Estadistica PDF

1
Estadstica II
Licenciaturas en Administracin y Contadura a Distancia
FCA-UNAM
UNIDAD
2
DISTRIBUCIONES MUESTRALES
Introduccin a la unidad
La distribucin de la poblacin de la cual extraemos la muestra con la que
trabajamos en estadstica, es importante para saber que tipo de distribucin
debemos aplicar en cada una de las situaciones que se nos presenten en la
prctica; en esta unidad veremos algunas de estas distribuciones que se
encuentran relacionadas con la distribucin normal, adems de observar la
distribucin muestral para la media y para la proporcin y su relacin con el
teorema central del lmite.
Objetivo particular de la unidad
Calcular los intervalos de confianza para la media poblacional a utilizando de la
distribucin de muestreo.
Unidad II. Distribuciones muestrales
2
Estadstica II
FCA-UNAM
Lo que s
Elige la respuesta correcta a las siguientes preguntas:
1. La distribucin chi-cuadrada _
2
es til para analizar la relacin
a) entre la varianza de la muestra y la varianza de la poblacin
b) entre la media de la muestra y la media de la poblacin
c) entre una muestra y otra
2. La formula para calcular la media aritmtica de una muestra es:
a)
2
2
2
( ) s gl
_
o
=
b)
1
1
n
i
i
X X
n
=
=

c)
2
2
1 / 2
( 1) s n
o
_

3. La formula para calcular la varianza de una muestra es:

a)
2
2
/ 2
( 1) s n
o
_

b)
2 2
2
2 2
/ 2 1 / 2
( 1) ( 1) s n s n
o o
o
_ _

s s
c)
2 2
1
1
( )
1
n
i
i
s X X
n
=
=

4. La distribucin t de Student se utiliza cuando:
a) El investigador lo decide
b) cuando la desviacin estndar de la poblacin es desconocida
c) cuando no hay otra alternativa
3
Estadstica II
Licenciaturas en Contadura a Distancia
FCA-UNAM
5. La distribucin F se utiliza para:
a) analizar la relacin entre las varianzas de dos muestras extradas de la
misma poblacin.
b) Analizar la relacin entre la varianza de la muestra y la varianza de la
poblacin
c) Calcular la desviacin estndar
6. La formula para calcular la desviacin estndar de una poblacin es:
a)
2 2
1
1
( )
1
n
i
i
s X X
n
=
=

b)
1
1
n
i
i
X X
n
=
=

c)
2
1
) (
1
=
N
i
x
N
o
7. La formula correcta para el clculo de combinaciones es:
a)
( )!
!
r n
n
P
r n
=
b)
)! ( !
!
r n r
n
C
r n
=
c)
( )
(1 )
n
x n x
X
x
F P P
| |
=
|
\ .
4
Estadstica II
FCA-UNAM
8. Las combinaciones se utilizan cuando:
a) no importa el orden
b) si importa el orden
c) no hay otra opcin
9. La simetra es una caracterstica de la distribucin:
a) chi-cuadrada _
2
b) F
c) Normal
Temas de la unidad II
1. Distribuciones relacionadas con la normal: j
2
, t y F. Propiedades y manejo
de tablas.
2. Teorema Central del lmite
3. Distribucin muestral para la media
4. Distribucin muestral para la proporcin.
Resumen de la unidad
Las distribuciones Chi-cuadrada (_
2
), t y F. que estn relacionadas con la normal,
son muy tiles cuando se desea analizar la relacin que existe entre la varianza de
una muestra y la varianza de la poblacin de la cual fue extrada, cuando se
desconoce la desviacin estndar de la poblacin, o bien cuando se desea
analizar la relacin de la varianza entre dos muestras que pueden o no haber sido
extradas de la misma poblacin. El teorema central del lmite es til para
entender que la distribucin las medias de muestras tomadas de una misma
poblacin y del mismo tamao, es aproximadamente normal y que esta
aproximacin mejora a medida que se incrementa el tamao de la muestra; dando
pie al estudio de la distribucin muestral para la media y para la proporcin y a la
elaboracin de intervalos de confianza que se analizaran en el apartado 3.4., la
5
Estadstica II
FCA-UNAM
proporcin muestral es el mejor estadstico a utilizar cuando en la investigacin se
trata de averiguar cuestiones tales como: Cuntos integrantes de la poblacin
tienen una caracterstica en particular o una tendencia similar?.
Con todo lo analizado hasta aqu, podemos ir observando que la estadstica nos
ofrece la oportunidad de analizar el comportamiento de una poblacin utilizando
diferentes herramientas tales como las distribuciones relacionadas con la normal
entre otras, a dems de diferentes teoras tales como la del muestreo y la de la
estimacin estadstica, con lo cual, los tomadores de decisiones pueden aunar
estos conocimientos a su experiencia en el medio en el que se estn
desenvolviendo y en consecuencia tomar decisiones ms certeras que cada vez
ms necesarias en un mundo globalizado como el nuestro.
6
Estadstica II
FCA-UNAM
Tema 1. Distribuciones relacionadas con la normal: j
2
, t y F. Propiedades y
manejo de tablas.
Objetivo del tema
Distinguir la importancia de la correcta aplicacin de las distribuciones chi-
cuadrada (_
2
), t y F en las reas econmico administrativas y su relacin estrecha
con distribucin normal.
Desarrollo
Distribucin chi-cuadrado (J
2
O_
2
)
En ocasiones los investigadores muestran ms inters en la varianza poblacional
que en la proporcin o media poblacionales y las razones llegan desde el campo de
la calidad total, donde la importancia en demostrar una disminucin continua en la
variabilidad de las piezas que la industria de la aviacin llega a solicitar es de vital
importancia. Por ejemplo, el aterrizaje de un avin depende de una gran cantidad de
variables, entre las que encontramos la velocidad y direccin del aire, el peso del
avin, la pericia del piloto, la altitud, etc.; si en el caso de la altitud, los altmetros del
avin tienen variaciones considerables, entonces podemos esperar con cierta
probabilidad un aterrizaje algo abrupto, por lo tanto la variabilidad de estos
altmetros debe mostrar un disminucin continua; y que decir de los motores que
impulsan al avin mismo, si las piezas que los conforman son demasiado grandes,
el motor puede incluso no poder armarse y si son demasiado pequeas, entonces
los motores tendrn demasiada vibracin y en ambos casos las perdidas de la
industria son cuantiosas.
7
Estadstica II
FCA-UNAM
As, la relacin entre la varianza de la muestra y la varianza de la poblacin est
determinada por la distribucin Chi-cuadrada (_
2
) siempre y cuando la poblacin de
la cual se toman los valores de la muestra se encuentre normalmente distribuida. Y
aqu debemos tener especial cuidado, pues la distribucin Chi-cuadrada es
sumamente sensible a la suposicin de que la poblacin est normalmente
distribuida y por ejemplo construir intervalos de confianza para estimar una varianza
poblacional, puede que los resultado no sean correctos dependiendo de si la
poblacin no est normalmente distribuida.
La distribucin Chi-cuadrada (_
2
) es la razn que existe entre la varianza de la
muestra ( s
2
) multiplicada por los grados de libertad y la varianza de la poblacin.
Es decir:
2
2
2
( ) s gl
_
o
=
El trmino grados de libertad
1
se refiere al nmero de observaciones
independientes para una fuente de variacin menos el nmero de parmetros
independientes estimado al calcular la variacin.
Para la distribucin Chi-cuadrada (_
2
), los grados de libertad vienen dados por (n
1), por lo tanto, la formula anterior quedara expresada como:
2
2
2
( 1) s n
_
o

=
Donde podemos observar que la variacin de la distribucin Chi-cuadrada (_
2
)
depende del tamao de la muestra y de los grados de libertad que posea.
1
Ken, Black. Estadstica en los negocios, editorial CECSA, pp. 264
8
Estadstica II
FCA-UNAM
En general y debido a que la distribucin Chi-cuadrada (_
2
) no es simtrica a
medida que se incrementa el nmero de grados de libertad, la curva caracterstica
de la distribucin se vuelve menos sesgada.
La distribucin Chi-cuadrada (_
2
), es en s toda una familia de distribuciones por lo
que, existe una distribucin Chi-cuadrado para cada grado de libertad.
Algebraicamente podemos manipular la formula anterior
2
2
2
( 1) s n
_
o

=
con el
objetivo de que nos sea de utilidad para construir intervalos de confianza para
varianzas poblacionales, quedando de la siguiente manera:
2 2
2
2 2
/ 2 1 / 2
( 1) ( 1) s n s n
o o
o
_ _

s s
Ejemplo:
Suponga que una muestra de 7 pernos especiales utilizados en el ensamblado de
computadoras porttiles arrojo los siguientes resultados:
2.10 mm; 2.00 mm, 1.90 mm, 1.97 mm, 1.98 mm, 2.01 mm, 2.05 mm
Si quisiramos una estimacin puntual de la varianza de la poblacin, sera suficiente
con calcular la varianza de la muestra, de la siguiente manera:
Primero calculamos la media aritmtica de los datos utilizando la siguiente formula:
1
1
n
i
i
X X
n
=
=

9
Estadstica II
FCA-UNAM
por lo tanto sustituyendo datos tenemos que:
2.10 1.90 1.98 2.05 2.00 1.97 2.01
7
X
+ + + + + +
=
y al efectuar clculos el resultado de la media aritmtica (redondeado a 2 decimales)
es de:
2.00 X =
a continuacin elaboramos una tabla como la indicada a continuacin para facilitar el
calculo de la varianza de los datos:
i-dato DATOS Dato-media (Dato - media)
elevado al
cuadrado
I x
i
(x
i -
) (x
i -
)
2
1 2,10 0,10 0,00972
2 1,90 -0,10 0,01029
3 1,98 -0,02 0,00046
4 2,05 0,05 0,00236
5 2,00 0,00 0,00000
6 1,97 -0,03 0,00099
7 2,01 0,01 0,00007
14,01 0,01 0,02389
Recordando ahora la formula correspondiente a la varianza de una muestra:
2 2
1
1
( )
1
n
i
i
s X X
n
=
=

y sustituyendo datos en esta formula, podemos ver que el valor obtenido en la
esquina inferior derecha de la tabla anterior corresponde a:
2
1
( )
n
i
i
X X
=

por lo tanto:
2
1
(0.02389)
7 1
s =

10
Estadstica II
FCA-UNAM
de donde al efectuar clculos vemos que:
2
s =
0.003981
Es decir, la varianza de la muestra tiene un valor de: 0.003981, pero si consideramos
que el valor de la estimacin puntual puede cambiar de una muestra a otra,
entonces ser mejor construir un intervalo de confianza, para lo cual debemos
suponer que la poblacin de los dimetros de los pernos esta normalmente
distribuida, y como vemos que n=7 entonces los grados de libertad sern: gl=7-1=6,
si queremos que el intervalo sea del 90% de confianza, entonces el nivel de
significancia o ser de 0.10 siendo esta la parte del rea bajo la curva de la
distribucin Chi-cuadrada que est fuera del intervalo de confianza, esta rea es
importante porque los valores de la tabla de distribucin Chi-cuadrada estn dados
de acuerdo con el rea de la cola derecha de la distribucin. Adems en nuestro caso
o/2 = 0.05 es decir, 0.05 del rea est en la cola derecha y 0.05 est en la cola
izquierda de la distribucin.
Es importante hacer notar que debido a la forma de curva de la distribucin Chi-
cuadrada, el valor para ambas colas ser diferente, as, el primer valor que se debe
de obtener es el de la cola derecha, mismo que se obtiene al ubicar en el primer
rengln de la tabla el valor correspondiente al nivel de significancia, que en este caso
es de 0.05 y, posteriormente se ubica en el lugar de las columnas los
correspondientes grados de libertad ya calculado, que en este caso es de 6 grados
de libertad, por lo tanto el valor de Chi-cuadrada obtenido es de:
2
0.05, 6
12.5916 _ =
11
Estadstica II
FCA-UNAM
observe que en la nomenclatura se escribe la denotacin de Chi-cuadrada teniendo
como subndice el nivel de significancia y los grados de libertad y, a continuacin se
escribe el valor correspondiente
2
El valor de Chi-cuadrada para la cola izquierda se obtiene al calcular el rea que se
encuentra a la derecha de la cola izquierda, entonces:
A a la derecha de la cola izquierda = 1 0.05
A a la derecha de la cola izquierda = 0.95
por lo tanto, el valor de Chi-cuadrada para la cola izquierda ser, utilizando el mismo
procedimiento anterior para un rea de 0.95 y 6 grados de libertad, de:
2
0.95,6
1.63538 _ =
incorporando estos valores a la formula, tenemos que el intervalo de 90% de
confianza para los 7 pernos utilizados en el ensamblado de computadoras porttiles
tendr la forma mostrada a continuacin:
2 2
2
2 2
/ 2 1 / 2
( 1) ( 1) s n s n
o o
o
_ _

s s
2
0.0034122(7 1) 0.0034122(7 1)
12.5916 1.63538
o

s s
2
0.0001625 0.0125189 o s s
Este intervalo de confianza nos dice que con 90% de confianza, la varianza de la
poblacin est entre 0.0001625 y 0.0125189.
2
el valor se obtuvo utilizando la tabla correspondiente a la Chi-cuadrada en el libro: Estadstica en los
negocios del autor: Ken Black, pp 779
12
Estadstica II
FCA-UNAM
Distribucin t
3
Cuando las muestras se toman de una poblacin normal, la distribucin muestral de
la media es normal, sin embargo, si la desviacin estndar de la poblacin es
desconocida, no podemos transformar la media muestral en un puntaje estndar.
En muchas situaciones prcticas la desviacin estndar poblacional es
desconocida, y se usa la desviacin estndar muestral para estimar
o
, en
consecuencia, el estadstico siguiente no tiene la distribucin muestral normal
estndar:
n
s
X
Este estadstico se denota por t y se denomina el estadstico t. As, el estadstico
t esta dado por la frmula:
n
s
X
t

=
En 1908, W. Gosset, un dirigente judo de una planta cervecera, public un artculo
de investigacin relativo a la ecuacin para la distribucin de probabilidad de t,
como los empleados de la planta cervecera no tenan permitido publicar los
resultados de sus investigaciones, Gosset public sus resultados firmndolos bajo el
nombre de student; desde entonces, la distribucin muestral del estadstico t se
conoce como la distribucin t de student, o simplemente la distribucin t.
4
3
Weimer, Richard, C. Estadstica. Editorial: CECSA. pp 373-375.
4
Weimer, Richard, C. Estadstica. Editorial: CECSA. pp 374.
13
Estadstica II
FCA-UNAM
La distribucin muestral de t es parecida a la distribucin normal; ambas tienen
formas acampanadas, media igual a cero y son simtricas respecto a sus medias.
La distribucin muestral de t es ms variable que la normal estndar. Para el
estadstico z,
X
es la nica cantidad que vara de muestra a muestra, mientras que
para t tanto
X
como s lo hacen.
La forma exacta de una distribucin t est especificada completamente por un
nico valor, parmetro conocido como el: nmero de grados de libertad (gl); el
tamao de la muestra n se relaciona con gl por:
gl = n 1
La formula anterior se debe a que normalmente se considera como parmetro
independiente a la media poblacional , misma que se estima con
X
al calcular s
por lo tanto, la formula para los grados de libertad ser igual a n observaciones
independientes menos un parmetro independiente al ser estimada la variacin.
Las distribuciones muestrales t tienen las propiedades siguientes:
1. Media cero
2. Son simtricas respecto a = 0
3. Son ms variables que la distribucin normal estndar
4. Forma acampanada
5. Su forma exacta depende de gl = n 1
6. Sus varianzas dependen de: gl y
2
2
=
gl
gl
o
si gl>2
7. Cuando n crece, la distribucin muestral de t se aproxima a la
distribucin normal estndar z
14
Estadstica II
FCA-UNAM
8. Como las distribuciones muestrales de t son ms variables que la
distribucin normal estndar, tienen las reas de las colas ms
grandes que la distribucin normal estndar.
15
Estadstica II
FCA-UNAM
En las tablas de la distribucin t los grados de libertad estn en la primera
columna (de izquierda a derecha), sin embargo hay que hacer notar que para esta
distribucin, la tabla no utiliza el rea entre el estadstico y la media como lo hace
la distribucin normal estndar, sino ms bien utiliza el rea de la cola de la
distribucin, as, la relevancia de la tabla se encuentra en el nivel de significancia
o y cada cola de la distribucin contiene o/2 del rea bajo la curva cuando se
construyen intervalos de confianza. Es decir, la construir intervalos de confianza,
el valor del estadstico t se encuentra en la tabla, en la interseccin de la
columna bajo el valor de o/2 y el rengln del valor de grados de libertad (gl).
As por ejemplo, si calculamos un intervalo de confianza de 90%, el rea total de
las dos colas ser de 10% y o/2 ser de 0.05, es decir:
por lo tanto si tuviramos 10 grados de libertad, entonces la interseccin de /2 =
0.05 y gl = 10 nos arroja un valor de t = 1.812.
- Distribucin F
La distribucin F es la distribucin de pares repetidos calculados de la razn que
existe entre las varianzas de dos muestras extradas de la misma poblacin
(tambin puede darse el caso que las dos muestras sean extradas de poblaciones
diferentes siempre y cuando las dos poblaciones tengan el mismo valor de la
varianza).
5
5
Los valores de la tabla pueden variar por algunas dcimas dependiendo del autor del libro, sin embargo
estos valores siempre sern muy prximos.
16
Estadstica II
FCA-UNAM
Las aplicaciones principales de la distribucin F se encuentran tambin en el control
de calidad, donde resulta importante comparar las variabilidades o varianzas de dos
maquinas diferentes que fabrican el mismo producto, con el objetivo de analizar
primero si existe diferencia en la variabilidad de las maquinas y despus en caso de
existir, las razones por las cuales una maquina llega a tener ms variabilidad que
otra.
Valor F
El valor F es la razn que existe entre las varianzas de dos muestras extradas de la
misma poblacin; es decir:
2
1
2
2
F
s
s
=
Esta razn estrictamente hablando debera ser muy prxima a la unidad, sin
embargo, debido al error de muestreo algunas veces estas varianzas son
diferentes.
La distribucin F no es simtrica y tiene asociados grados de libertad tanto con el
numerador como con el denominador de la razn anterior. El punto de partida para
Zona de
aceptacin
Cola derecha
o/2 = 0.05
Cola izquierda
o/2 = 0.05
0
17
Estadstica II
FCA-UNAM
la aplicacin de la distribucin F es el supuesto de que la poblacin o poblaciones
de donde se extrajeron las muestras a analizar, estn normalmente distribuidas.
La formula a utilizar en pruebas de hiptesis que comparan dos varianzas
poblacionales es:
2
1
2
2
F
s
s
=
1 ln 1
1
de umerador
v gl n = =
2 min 2
1
deldeno ador
v gl n = =
Las tablas de la distribucin F contienen valores para o= 0.10, 0.05, 0.025, 0.01,
0.005 y para diferentes grados de libertad tanto del numerador como del
denominador. Adems, estos valores estn calculados para la cola superior de la
curva y como la razn F siempre es positiva, el problema de asignar valores crticos
a la cola inferior se resuelve utilizando la siguiente formula:
2 1
1 2
1 , ,
, ,
1
v v
v v
F
F
o
o
=
Esta formula nos indica que el valor critico de F para la cola inferior (1-o) se
encuentra al tomar el inverso multiplicativo del valor de F para la cola superior (o),
teniendo cuidado en respetar los grados de libertar tanto del numerador como del
denominador del valor F.
18
Estadstica II
FCA-UNAM
Ejemplo:
Suponga usted que dos maquinas fabrican el mismo producto, de tornillos que deben medir
20 mm de dimetro y el dueo de la fabrica, preocupado por la variabilidad de ambas
maquinas ha solicitado un estudio en el que se muestrean al azar 10 tornillos fabricados por
la maquina 1 y 12 tornillos fabricados por la maquina 2 y los resultados se presentan en la
siguiente tabla:
Maquina 1 Maquina 2
21.3 21.8
22.1 22.3
20.8 20.9
20.5 22.7
20.6 21.4
21.6 22.0
20.4 21.9
22.1 21.5
21.7 22.9
22.4 20.8
21.2
22.4
Si el dimetro de los tornillos est normalmente distribuido, podemos aplicar una prueba de
hiptesis para determinar si las varianzas de ambas maquinas son iguales o no lo son.
Resolviendo el problema, primero planteamos nuestras hiptesis opuestas, y en este caso
seran:
2 2
0 1 2
: H o o =
y
2 2
1 1 2
: H o o =
aqu, podemos observar que de acuerdo con el signo de igualdad incluido en la hiptesis
nula, se trata de una prueba de dos colas.
19
Estadstica II
FCA-UNAM
El estadstico de prueba a utilizar es:
2
1
2
2
F
s
s
=
si utilizamos un nivel de significancia de o=0.05, como estamos realizando un prueba de
dos colas entonces:
0.025
2
o
=
y teniendo en cuenta que el tamao de la muestra de la
maquina 1 es de
1
10 n =
y el tamao de la muestra de la maquina 2 es
2
12 n =
,
entonces el numero de grados de libertad para el valor crtico de la cola superior es:
1 1
1
1
1
10 1
9
v n
v
v
=
=
=
y en el denominador, el numero de grados de libertad para el valor critico de la cola inferior
es de:
2 2
2
2
1
12 1
11
v n
v
v
=
=
=
por lo tanto, el valor crtico de F para la cola superior obtenido de la tabla es:
1 2
1 , , 0.025,9,11
3.59
v v
F F
o
= =
claro esta que este valor lo obtuvimos de la tabla de distribucin F teniendo cuidado en
buscarlo en que corresponde a
0.025 o =
, el valor se encuentra en la interseccin de los
grados de libertad del numerador (9) con los grados de libertad del denominador (11).
Y el valor crtico de la cola inferior lo calculamos desde el valor de la cola superior utilizando
la formula:
20
Estadstica II
FCA-UNAM
2 1
1 2
1 , ,
, ,
0.975,11,9
0.025,9,11
0.975,11,9
0.975,11,9
1
1
1
3.59
0.28
v v
v v
F
F
F
F
F
F
o
o
=
=
=
=
Entonces, la regla de decisin es: rechazar la hiptesis nula si el valor de F que se observa
es mayor a 3.59 o menor a 0.28
Si efectuamos lo clculos para las varianzas tendramos que para la maquina 1 la varianza
es de:
2
1
0.545 s =
y para la maquina dos, la varianza es:
2
2
0.46333333 s =
por lo
tanto el valor de F es de:
2
1
2
2
0.545
0.46333333
1.1762
F
F
F
s
s
=
=
=
este valor de la razn de las varianzas muestrales 1.1762 cae dentro de la zona de
aceptacin que nos indica la regla de decisin, por lo que: como resultado del estudio
aceptamos tentativamente la hiptesis nula, es decir: las varianzas de las dos muestras son
iguales.
21
Estadstica II
FCA-UNAM
ACTIVIDAD 1
Completa el siguiente cuadro comparativo, para cada tipo de distribucin.
Recuerda incorporar, en cada una, el concepto, la aplicacin y la frmula.
Realiza esta actividad en un procesador de textos, gurdala en tu computadora y,
una vez concluida, presiona el botn Examinar, localiza el archivo, seleccinalo y
haz clic en Subir este archivo para guardarlo en la plataforma.
AUTOR j2 t F
BENENSON
BLACK
WEIMER
Bibliografa bsica
Autor Captulo Pginas
Sitios electrnicos
Sitio Descripcin
22
Estadstica II
FCA-UNAM
Autoevaluacin
Selecciona si las siguientes aseveraciones son verdaderas (V) o falsas (F). Una
vez que concluyas, obtendrs tu calificacin de manera automtica.
Verdadera Falsa
1. La distribucin Chi-cuadrada (_
2
) es la razn que existe
entre la varianza de la muestra (s
2
) multiplicada por los
grados de libertad y la varianza de la poblacin.
2. Es importante hacer notar que debido a la forma de
curva de la distribucin Chi-cuadrada, el valor para ambas
colas ser el mismo.
3. La distribucin muestral de t es parecida a la
distribucin normal; ambas tienen formas acampanadas,
media igual a cero y son simtricas respecto a sus
medias. La distribucin muestral de t es ms variable
que la normal estndar.
4. La forma exacta de una distribucin t est
especificada completamente por un nico valor, parmetro
conocido como grados de libertad.
5. Para la distribucin t el nmero de grados de libertad
(gl) y el tamao de la muestra n estan relacionados por
la formula gl = n 1
6. La distribucin Chi-cuadrado
2
_
es la distribucin de
pares repetidos calculados de la razn que existe entre las
varianzas de dos muestras extradas de la misma
poblacin (tambin puede darse el caso que las dos
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
23
Estadstica II
FCA-UNAM
muestras sean extradas de poblaciones diferentes
siempre y cuando las dos poblaciones tengan el mismo
valor de la varianza).
7. La distribucin F es simtrica y no tiene asociados
grados de libertad como la distribucin chi-cuadrado. ( ) ( )
24
Estadstica II
FCA-UNAM
Tema 2. Teorema central del lmite
6
Objetivos del tema
Identificar la importancia del Teorema Central del lmite y su uso.
Desarrollo
El enunciado formal del teorema del lmite central es el siguiente: si en cualquier
poblacin se seleccionan muestras de un tamao especfico, la distribucin
muestral de las medias de muestras es aproximadamente una distribucin normal.
Esta aproximacin mejora con muestras de mayor tamao.
sta es una de las conclusiones ms tiles en estadstica pues nos permite
razonar sobre la distribucin muestral de las medias de muestras sin contar con
informacin alguna sobre la forma de la distribucin original de la que se toma la
muestra. En otras palabras, de acuerdo con el teorema del lmite central, es vlido
aproximar la distribucin de probabilidad normal a cualquier distribucin de valores
medios muestrales, siempre y cuando se trate de una muestra suficientemente
grande.
El teorema central del lmite o teorema del lmite central se aplica a la distribucin
muestral de las medias de muestras que veremos a continuacin y permite utilizar
la distribucin de probabilidad normal para crear intervalos de confianza para la
media de la poblacin.
6
Douglas A. Lind., et al. Estadstica para administracin y economa p.p 234
25
Estadstica II
FCA-UNAM
ACTIVIDAD 1
Elabora un cuadro en el que indiques las ventajas, usos y aplicaciones del
Teorema Central del lmite.
Bibliografa bsica
Sitios electrnicos
Sitio Descripcin
26
Estadstica II
FCA-UNAM
Autoevaluacin
Selecciona si las siguientes aseveraciones son verdaderas (V) o falsas (F). Una
vez que concluyas, obtendrs tu calificacin de manera automtica.
Verdadera Falsa
1. El enunciado formal del teorema central del lmite dice
que si en cualquier poblacin se seleccionan muestras de
un tamao especfico, la distribucin muestral de las
medias de muestras es aproximadamente una distribucin
normal y que Esta aproximacin mejora con muestras de
mayor tamao.
2. La conclusin del teorema central del lmite es una de
las conclusiones menos tiles en estadstica pues no
permite razonar sobre la distribucin muestral de las
medias de muestras sin contar con informacin alguna
sobre la forma de la distribucin original de la que se toma
la muestra.
3. El teorema central del lmite, permite aproximar la
distribucin de probabilidad normal a cualquier distribucin
de valores medios muestrales, siempre y cuando se trate
de una muestra suficientemente grande.
4. El teorema central del lmite se aplica a la distribucin
muestral de las medias de muestras y permite utilizar la
distribucin de probabilidad normal para crear intervalos
de confianza.
( )
( )
( )
( )
( )
( )
( )
( )
27
Estadstica II
FCA-UNAM
Tema 3. Distribucin muestral para la media
Objetivos del tema
Calcular la distribucin muestral para la media como una aplicacin del teorema
central del lmite.
Desarrollo
Si consideremos todas las muestras posibles de tamao n en una poblacin
dada (con o sin reposicin). Para cada muestra podemos calcular un estadstico
(tal como la media o la desviacin tpica) que variar de muestra a muestra. De
esta manera obtenemos una distribucin del estadstico que se llama su
distribucin de muestreo.
Si por ejemplo, el estadstico utilizado es la media muestral, entonces la
distribucin se llamara la distribucin muestral para la media o distribucin de
muestreo de la media. Anlogamente, podramos tener distribuciones de
muestreo de la desviacin tpica, de la varianza, de la mediana, de las
proporciones, etctera.
Para cada distribucin de muestreo podemos calcular la media, la desviacin
tpica, etc. As pues, podremos hablar de la media y la desviacin tpica de la
distribucin del muestreo de medias, etctera.
Los resultados que nos da una muestra para estimar el parmetro de una
poblacin se utilizan (en aplicaciones avanzadas de la estadstica) cuando se
quiere saber lo siguiente:
28
Estadstica II
FCA-UNAM
- Hacer una prediccin precisa sobre el xito de algn producto de
reciente desarrollo slo con base en los resultados de la muestra.
- Cmo puede el departamento de control de calidad de una empresa
maquiladora liberar un embarque de un producto determinado con base
en una muestra de slo unas cuantas unidades?
- Cmo puede Encuestas Mitovsky hacer una prediccin precisa de
una votacin presidencial con base en una muestra de slo una
muestra de los votantes registrados que proceden de una poblacin de
alrededor de 100 millones de votantes?
Para responder a estas preguntas, examina la distribucin muestral de las medias
de la muestra.
Al organizar las medias de todas las muestras posibles de un cierto tamao en
una distribucin de probabilidad se obtiene una distribucin muestral para la media
o distribucin muestral de las medias de las muestras.
Distribucin muestral de las medias de las muestras:
Es la distribucin de probabilidad de todas las medias posibles de las muestras
de un tamao de muestra dado.
Veamos un ejemplo sencillo, que si bien es cierto que no responde a las preguntas
tan complejas del inicio del tema, si ayuda a entender el concepto y la importancia
de la distribucin muestral para la media.
29
Estadstica II
FCA-UNAM
Ejemplo:
7
El nmero de unidades producidas por un obrero que trabaja de lunes a sbado
en una fbrica que produce latas para refresco es la siguiente: 80, 80, 76, 70, 70 y
68. Suponga que estos nmeros constituyen la poblacin de la cual se desea
tomar una muestra de tamao 3.
a) Determine la
media
aritmtica de
estos nmeros.
Para encontrar la media aritmtica, procedemos a utilizar la
frmula correspondiente, tomando en consideracin de que si se
trata de una poblacin, entonces el smbolo a utilizar es ; por lo
tanto:
=
n
i
x
N
1
1
en donde al sustituir los datos tenemos que:

| | 68 70 70 76 80 80
6
1
+ + + + + =
solucin al a)
74 =
b) Determine la
desviacin
estndar de los
nmeros.
Para este inciso es recomendable elaborar la tabla indicada a
continuacin:
# DE
EXPERIME
NTO
DA
TO
S
MEDIA
ARITMTI
CA
DATO-
MEDIA
(DATO - MEDIA)
ELEVADO AL
CUADRADO
I x
i

(x
i -
) (x
i -
)
2
1 80 74 6 36
2 80 74 6 36
3 76 74 2 4
4 70 74 -4 16
5 70 74 -4 16
6 68 74 -6 36
7
Probabilidad y Estadstica de Stephen S. Willoughby. p.p 126
30
Estadstica II
FCA-UNAM
Sumatoria 444 0 144
En esta tabla podemos observar que la sumatoria de la columna
correspondiente a la diferencia del dato menos la media, es cero,
por lo tanto, hasta ese punto nuestro proceso es correcto.
Finalmente para este inciso, aplicamos la frmula
correspondiente:
2
1
) (
1
=
N
i
x
N
o
de donde sustituyendo valores tenemos que:
( ) 144
6
1
= o
respuesta al b)
o
= 4.9
c) Calcule el
nmero de
muestras de
tamao 3.
Debemos aplicar la frmula correspondiente al clculo de
combinaciones; es decir:
)! ( !
!
r n r
n
C
n
r
=
en donde sustituyendo los valores tenemos que:
)! 3 6 ( ! 3
! 6
=
n
r
C
) 1 2 3 ( ! 3
! 3 4 5 6
x x
x x x
C
n
r
=
donde fcilmente apreciamos que el nmero de combinaciones de
6 objetos tomados de 3 en 3 es:
respuesta al c)
20 =
n
r
C
31
Estadstica II
FCA-UNAM
d) Liste cada
una de las
muestras.
Para dar respuesta a este inciso, es necesario realizar los
siguientes pasos:
1. Identificar cada uno de los datos. En nuestro caso, en virtud de
que algunos datos se repiten, se procede a identificarlos de la
siguiente manera: 80
1,
80
2,
76, 70
1,
70
2,
68.
2. Como siguiente punto, se elabora una tabla donde se colocaran
todas las combinaciones obtenidas siguiendo el orden indicado a
continuacin: la primera terna o combinacin se obtiene de los
tres primero datos, es decir:
Si los datos son: 80
1,
80
2,
76, 70
1,
70
2,
68.
Entonces, la primera terna es: 80
1,
80
2,
76,
Para la segunda terna, se toman los dos primeros datos junto con
el cuarto dato, es decir, nos saltamos el tercer dato; por lo tanto, la
segunda terna sera: 80
1,
80
2,
70
1.
Para la tercera terna se hace lo mismo, slo que en este caso
utilizamos los dos primeros datos ms el quinto dato, y as
sucesivamente hasta que cubrimos todos los datos que se
encuentran a la derecha de los dos primeros datos. Mediante este
procedimiento, obtenemos las siguientes ternas:
80
1
80
2
76
80
1
80
2
70
1
80
1
80
2
70
2
80
1
80
2
68
32
Estadstica II
FCA-UNAM
Continuando con este procedimiento, nos saltamos el segundo
dato, continuando con el tercero y cuarto dato; es decir, la
siguiente terna tendra la forma siguiente:
Entonces, la terna sera: 80
1,
76, 70
1
Siguiendo este procedimiento, podemos encontrar fcilmente las
siguientes ternas; es importante considerar que los datos son: 80
1,
80
2,
76, 70
1,
70
2,
68.
80
1
76 70
1
80
1
76 70
2
80
1
76 68
80
1
70
1
70
2
80
1
70
1
68
80
1
70
2
68
Una vez que hemos terminado con todas las posibles
combinaciones que empiezan con el primer dato, nos
continuamos de la misma forma para el segundo dato; mediante
este procedimiento podemos encontrar todas las restantes
combinaciones, que son:
80
2
76 70
1
80
2
76 70
2
80
2
76 68
80
2
70
1
70
2
80
2
70
1
68
80
2
70
2
68
33
Estadstica II
FCA-UNAM
76 70
1
70
2
76 70
1
68
76 70
2
68
70
1
70
2
68
e) Calcule la
media de cada
una de las
muestras.
Para calcular la media de cada una de las muestras, conviene
elaborar una tabla donde estn incluidas todas las muestras de
tamao tres encontradas; por lo tanto, elaboramos la siguiente
tabla, donde fcilmente podemos calcular la media de cada una
de las muestras requerida.
M U E S T R A S Media
1 80
1
80
2
76 78 2/3
2 80
1
80
2
70
1
76 2/3
3 80
1
80
2
70
2
76 2/3
4 80
1
80
2
68 76
5 80
1
76 70
1
75 1/3
6 80
1
76 70
2
75 1/3
7 80
1
76 68 74 2/3
8 80
1
70
1
70
2
73 1/3
9 80
1
70
1
68 72 2/3
10 80
1
70
2
68 72 2/3
11 80
2
76 70
1
75 1/3
12 80
2
76 70
2
75 1/3
13 80
2
76 68 74 2/3
14 80
2
70
1
70
2
73 1/3
15 80
2
70
1
68 72 2/3
16 80
2
70
2
68 72 2/3
17 76 70
1
70
2
72
34
Estadstica II
FCA-UNAM
18 76 70
1
68 71 1/3
19 76 70
2
68 71 1/3
20 70
1
70
2
68 69 1/3
f) Encuentre la
media de la
distribucin de
las medias de
las muestras.
Si ahora consideramos el conjunto de todas las medias de las
muestras como un nuevo conjunto al que podemos llamar
distribucin de las medias de las muestras, fcilmente podemos
calcular la media de la distribucin de las medias de las muestras,
para lo cual procedemos a aplicar la formula correspondiente:
=
n
i x
x
N
1
1
donde sustituyendo los datos tenemos que:

respuesta al f)
x
= 74
g) Calcule la
desviacin
estndar de las
medias de las
muestras.
Para calcular la desviacin estndar de las medias de las
muestras, es necesario elaborar la siguiente tabla:
MU E S T R A S
Promedio de
la muestra
(Datos)
Media aritmtica
de la distribucin
de las muestras: Dato-media
(Dato - media) elevado al
cuadrado
I x
i
(x
i -
) (x
i -
)
2
1 78 2/3 74 4 2/3 21 7/9
2 76 2/3 74 2 2/3 7 1/9
3 76 2/3 74 2 2/3 7 1/9
4 76 74 2 4
5 75 1/3 74 1 1/3 1 7/9
6 75 1/3 74 1 1/3 1 7/9
7 74 2/3 74 2/3 4/9
8 73 1/3 74 - 2/3 4/9
9 72 2/3 74 -1 1/3 1 7/9
10 72 2/3 74 -1 1/3 1 7/9
11 75 1/3 74 1 1/3 1 7/9
12 75 1/3 74 1 1/3 1 7/9
13 74 2/3 74 2/3 4/9
14 73 1/3 74 - 2/3 4/9
15 72 2/3 74 -1 1/3 1 7/9
35
Estadstica II
FCA-UNAM
16 72 2/3 74 -1 1/3 1 7/9
17 72 74 -2 4
18 71 1/3 74 -2 2/3 7 1/9
19 71 1/3 74 -2 2/3 7 1/9
20 69 1/3 74 -4 2/3 21 7/9
Sumatoria 1480 0 96
Para efectuar este clculo, lo primero que hacemos es escribir la
formula correspondiente, que en este caso quedara de la
siguiente forma:
2
1
) (
1
=

N
x
i
x
x
N

o
A continuacin sustituimos los datos correspondientes
1
(96)
20
x o
=
solucin al g)
2.19
x o
=
Como podemos observar, el valor de la desviacin estndar de las
medias de las muestras es de
2.19
x o
=
h) Compare los
resultados de
los incisos a y f
Compara los resultados de los incisos a y f
En el inciso a calculamos el valor de la media aritmtica de la
poblacin, obteniendo un valor de
74 =
mientras que en el
inciso f calculamos el valor de la media de la distribucin de las
medias de las muestras, para la encontramos un valor de
x
=
74, con lo cual podemos concluir que la media de la poblacin y la
media de la distribucin de las medias tienen el mismo valor.
i) Compare los Compara los resultados de los incisos b y g.
36
Estadstica II
FCA-UNAM
resultados de
los incisos b y
g.
En el inciso b determinamos la desviacin estndar de la
poblacin, obteniendo un valor de
o
= 4.9 mientras que en el
inciso g encontramos que el valor de la desviacin estndar de
las medias de las muestras fue de
2.19
x o
=
con lo cual
podemos decir que el valor de la desviacin estndar de la
poblacin y el de la desviacin estndar de las medias de las
muestras son diferentes.
37
Estadstica II
FCA-UNAM
Al desarrollar el ejercicio en el que calculamos la media de las medias, podemos
observar en trminos generales lo siguiente:
- La media de las medias de la muestra es igual a la media de la
poblacin.
- La dispersin de la distribucin de las medias de la muestra es menor a
la dispersin en los valores de la poblacin.
- La forma de la distribucin muestral de las medias de muestras y la
forma de la distribucin de frecuencia de los valores de la poblacin es
diferente. La distribucin de las medias de las muestra tiende a tener
una forma de campana y aproximarse a la distribucin de probabilidad
normal.
En resumen, se tomaron todas las muestras aleatorias posibles de una poblacin
y para cada muestra se calcul un estadstico de muestra (la media). Debido a que
cada muestra posible tiene la misma posibilidad de ser seleccionada, se puede
determinar la probabilidad de que la media obtenida tenga un valor comprendido
en un rango. La distribucin de los valores de las medias obtenidas se conoce
como distribucin muestral de las medias de muestras.
Aunque en la prctica slo se ve una muestra aleatoria especfica, en teora podra
surgir cualquiera de las muestras. En consecuencia, el proceso de muestreo
repetido genera la distribucin muestral. Luego, la distribucin muestral se utiliza
para medir lo probable que podra ser obtener un resultado especfico.
En este caso debemos tomar en consideracin lo siguiente: supongamos que se
toman todas las posibles muestras de tamao n sin reposicin de una poblacin
finita de tamao
n N >
. Si denotamos la media y la desviacin tpica de la
38
Estadstica II
FCA-UNAM
distribucin de muestreo de medias por:
x
y
x
o
y las de la poblacin por

y
o
,
respectivamente, entonces:
x
y
1
=
N
n N
n
x
o
o
donde
1
N n
N
se conoce como factor de poblacin finita y se utiliza cuando el

tamao de la muestra es mayor al 5% del tamao de la poblacin. Esto es debido
a que los resultados obtenidos con un muestreo con y sin reemplazo son distintos.
Esto ocurre porque las probabilidades cambian significativamente cuando se
trabaja con muestras pequeas. Para considerar esta situacin en los anlisis con
distribuciones muestrales es necesario corregir el error estndar de manera que
refleje el cambio que pueden tener las probabilidades.
Si en el ejercicio anterior del obrero que fabrica latas para refresco se calcula la
desviacin estndar de las medias de las muestras
x o
mediante la frmula:
1
=
N
n N
n
x
o
o
se obtiene exactamente el mismo resultado de
2.19
x o
=
. (se
deja al estudiante que realice la comprobacin).
Si la poblacin es infinita o si el muestreo es con reposicin, los resultados
anteriores se reducen a las siguientes frmulas:
x
y
n
x
o
o =
Para valores grandes de n (
30 > n
), la distribucin de muestreo de medias es
aproximadamente normal con media
x
y desviacin tpica
x
o
,
39
Estadstica II
FCA-UNAM
independientemente de la poblacin (siempre y cuando la media poblacional y la
varianza sean finitas y el tamao de la poblacin sea al menos el doble que el de
la muestra). Este resultado para una poblacin infinita es un caso especial del
teorema central del lmite de la teora avanzada de probabilidades, que afirma
que la precisin de la aproximacin mejora al crecer n. Esto se indica en
ocasiones diciendo que la distribucin de muestreo es asintticamente normal.
En caso de que la poblacin est normalmente distribuida, la distribucin de
muestreo de medias tambin lo est, incluso para pequeos valores de n (o sea,
n<30).
40
Estadstica II
FCA-UNAM
ACTIVIDAD 1
En conjunto, las cuatro tiendas de Liverpool en el Distrito federal tienen en
promedio y a cualquier hora 625 compradores, con una desviacin estndar de
12 compradores. Cul es la probabilidad para que una muestra aleatoria de 60
horas diferentes de compras proporcione una media muestral entre 450 y 550
compradores?
ACTIVIDAD 2
La edad promedio de los 550 empleados que trabajan cobrando por hora en ICA
constructores es de 35.2 aos, con una desviacin estndar de 5.1 aos. Si se
toma una muestra aleatoria de 60 empleados que trabajan por hora, Cul es la
probabilidad de que la muestra tenga un promedio de edad mayor de 36 aos?
(Nota: utilice el factor de correccin para poblacin finita en sus clculos).
41
Estadstica II
FCA-UNAM
Bibliografa bsica
Sitios electrnicos
Sitio Descripcin
42
Estadstica II
FCA-UNAM
Autoevaluacin
Selecciona si las siguientes aseveraciones son verdaderas (V) o falsas (F) las
siguientes aseveraciones. Una vez que concluyas, obtendrs tu calificacin de
manera automtica.
Verdadera Falsa
1. La media muestral es uno de los estadsticos ms
utilizados en estadstica inferencial.
2. Para que un investigador pueda asignar un valor
probabilstico a una media muestral, es necesario que
conozca la distribucin muestral de las medias.
3.
x
n
o
o = es la frmula para calcular la desviacin
estndar de las medias de las muestras cuando la
poblacin es finita.
4.
1
x
N n
N

=
es la frmula para calcular la media de

las medias para una poblacin finita.
5. La media de las medias siempre es igual a la media de
la poblacin, independientemente de si la poblacin es
finita o infinita.
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
43
Estadstica II
FCA-UNAM
Tema 4. Distribucin muestral de la proporcin
Objetivos del tema
Aplicar la proporcin muestral como el estadstico idneo cuando el inters de un
estudio estadstico radica en ciertas proporciones de la poblacin.
Desarrollo
Hoy es bien sabido
8
que si la investigacin produce datos mensurables tales como
el peso, distancia, tiempo e ingreso, la media muestral es en ocasiones el
estadstico ms utilizado, pero, si la investigacin resulta en artculos contables
como por ejemplo: cuntas personas de una muestra escogen la marca Peafiel
como su refresco, o cuantas personas de una muestra tienen un horario flexible de
trabajo, la proporcin muestral es generalmente el mejor estadstico a utilizar.
Mientras que la media se calcula al promediar un conjunto de valores, la
proporcin muestral se calcula al dividir la frecuencia con la cual una
caracterstica dada se presenta en una muestra entre el nmero de elementos de la
muestra. Es decir:
x
p
n
.
=
Donde: x = nmero de elementos de una muestra que tienen la caracterstica.
n = numero de elementos de la muestra.
Ejemplo; suponga que una comercializadora pretende establecer un nuevo centro
y desea saber la proporcin del consumidor potencial que comprara el principal
producto que vende para lo cual realiza un estudio de mercado mediante una
8
Black, Ken. Estadstica en los negocios pp. 241-242
44
Estadstica II
FCA-UNAM
encuesta a 30 participantes, lo cual permitir saber quines lo compraran y
quines no; se obtuvieron los siguientes resultados:
x1=1 x7=1 x13=0 x19=1 x25=0
x2=0 x8=0 x14=1 x20=0 x26=0
x3=0 x9=0 x15=1 x21=1 x27=0
x4=0 x10=0 x16=0 x22=1 x28=1
x5=0 x11=0 x17=0 x23=1 x29=0
x6=1 x12=0 x18=1 x24=0 x30=1
Donde 1 significa que est dispuesto a comprar el producto y 0 no est dispuesto
a comprarlo.
En este caso, la proporcin de la poblacin (P) que comprara el producto, se puede
estimar con
_
p
(proporcin de la muestra que lo comprara), cuyo valor esperado
sera
P p E =
_
) (
, y el error de
_
p
al estimar P es:
n
P P
N
n N
p
) 1 (
1

= o
si la poblacin es finita, y si la poblacin es infinita o si el muestreo es con
reposicin, los resultados anteriores se reducen a:
n
P P
p
) 1 (
= o
45
Estadstica II
FCA-UNAM
Es decir, de acuerdo con el teorema del lmite central,
_
p
muestral se comportar
como una normal con media P (la verdadera proporcin poblacional) y desviacin
estndar
p
o
.
En el ejemplo de la comercializadora se tiene que
40 . 0
30
12
_
= = p
.
Pero suponiendo que el verdadero parmetro de la poblacin es P=0.30; es decir,
slo el 30% de la poblacin lo comprara, entonces el promedio
_
p
estimar a P
poblacional pero con un error igual a
p
o
que en este caso es:
30
) 70 . 0 ( 30 . 0
=
p
o
= 0.1195
En este caso
_
p
muestral tendr distribucin normal con media P=0.30 y desviacin
estndar
1195 . 0 =
p
o
.
Dado que todas las muestras aleatorias que sean tomadas de una misma poblacin
en general sern distintas y tendrn por ende diferentes valores para sus
estadsticos tales como la media aritmtica o la desviacin estndar, entonces
resulta importante estudiar la distribucin de todos los valores posibles de un
estadstico, lo cual significa estudiar las distribuciones muestrales para diferentes
estadsticos
9
La importancia de stas distribuciones muestrales radica en el hecho
de que en estadstica inferencial, las inferencias sobre poblaciones se hacen
utilizando estadsticas muestrales pues con el anlisis de las distribuciones
asociadas con stos estadsticos se da la confiabilidad del estadstico muestral
como instrumento para hacer inferencias sobre un parmetro poblacional
desconocido.
9
Weimer, Richard, C. Estadstica. pp 353.
46
Estadstica II
FCA-UNAM
ACTIVIDAD 1
1. Para una proporcin poblacional de 0.25 Cul es la probabilidad de obtener
una proporcin muestral menor o igual a 0.21 para n = 120
ACTIVIDAD 2
Suponga un proporcin poblacional de 0.58 y que una muestra aleatoria de 410
artculos se muestrea al azar. Cul ser la probabilidad de que la proporcin
muestral sea mayor a 0.70
47
Estadstica II
FCA-UNAM
Bibliografa bsica
Sitios electrnicos
Sitio Descripcin
48
Estadstica II
FCA-UNAM
Autoevaluacin
Elige la respuesta correcta a las siguientes preguntas, una vez que concluyas,
obtendrs de manera automtica tu calificacin
1. Al considerar todas las muestras de tamao n que pueden extraerse de una
poblacin, si se calcula el valor medio para cada una de ellas y se integran estos
valores en un solo conjunto de datos es posible obtener una:
a) Campana de Gauss
b) Tendencia paramtrica
c) Curva de ajuste
d) Distribucin muestral
e) Parmetro muestral
2. En el proceso de inferencia estadstica paramtrica existen dos maneras de
estimar los parmetros de una poblacin, una de ellas es la:
a) Estadstica descriptiva
b) Estimacin puntual
c) Prueba de significancia
d) Medida de sesgo
e) Medida de tendencia central
49
Estadstica II
FCA-UNAM
3. Calcular el factor de correccin para la poblacin finita de un inventario que
consta de 250 productos y a la cual se le efectuar un muestreo de 40%:
a) 0.881
b) 0.918
c) 0.819
d) 0.991
e) 0.989
4. Qu concepto establece que si se selecciona una muestra aleatoria
suficientemente grande de n observaciones, la distribucin muestral de las medias
de las muestras se aproxima a una distribucin normal.
a) Definicin de distribucin muestral
b) Proceso aleatorio
c) Proceso de muestreo
d) Teorema del lmite central
e) Distribucin de probabilidad
5. Si una poblacin se distribuye normalmente (con media y desviacin estndar
o), la distribucin muestral de las medias construida a partir de la misma poblacin
tambin se distribuye normalmente. Esta definicin corresponde a:
a) El teorema de Bayes
b) La ley de las probabilidades
c) El teorema del lmite central
d) La ley de la distribucin normal
e) El teorema de Markov
50
Estadstica II
FCA-UNAM
6. Una poblacin se compone de los siguientes cinco nmeros 2, 3, 6, 8, y 11.
Calcule la media de la distribucin muestral para tamaos de muestra 2 con
reemplazamiento:
a) 6.2
b) 5.7
c) 6.0
d) 6.1
e) 5.8
7. Cuando se lleva a cabo un estudio estadstico paramtrico se requiere una
muestra suficientemente grande, lo cual significa que debe tener un tamao igual
o mayor a:
a) 64
b) 50
c) 40
d) 30
e) 20
8. Si las distribuciones muestrales tienen la misma media, la eleccin de una de
ellas deber entonces basarse en la que tenga el menor valor del estadstico. Esta
definicin corresponde a:
a) Rango
b) Varianza
c) Sesgo
d) Mediana
e) Moda
51
Estadstica II
FCA-UNAM
9. Se tiene una lista de 120 estudiantes, 60 de ellos son de Contadura y el resto
de Administracin. Si se toma una muestra al azar, halle la probabilidad de que se
escojan entre el 40% y el 60% de contadores del tamao de la muestra:
a) 98.5%
b) 96.7%
c) 95.8%
d) 97.7%
e) 99.1%
10. De un lote muy grande (poblacin infinita) de facturas, la desviacin estndar
es $10. Se extraen diversas muestras; cada una de ellas es de 200 facturas y se
calculan las desviaciones estndar de cada muestra. Hallar la media de la
distribucin muestral de desviaciones estndar:
a) 0.30
b) 0.50
c) 2.77
d) 7.41
e) 10.0
52
Estadstica II
FCA-UNAM
LO QUE APREND DE LA UNIDAD
Preocupado por la variabilidad aparente de dos maquinas exactamente iguales y
que fabrican el mismo tipo de botella para agua ciel, el dueo de la fbrica
solicita un estudio en el que se muestrean al azar 10 botellas para cada mquina,
obteniendo los siguientes resultados:
Si el dimetro de la botella debe ser de 5 cm. Y los valores de la tabla estn
dados en la misma escala, determine usted si las varianzas de ambas maquinas
son diferentes.
Para enviar tu actividad, pulsa Editar mi envo y se mostrar un editor de texto
en el que debers redactar tu informacin. Cuando termines, guarda tu tarea
haciendo clic en Guardar cambios.
Maquina
no. 1
Maquina
no. 2
5.3 5.9
5.5 5.7
5.9 5.8
5.8 5.7
4.7 5.5
4.5 5.4
4.4 5.3
4.2 5.1
4.7 5.5
5.1 5.9
53
Estadstica II
FCA-UNAM
Glosario de la unidad
Parmetro
Es una caracterstica numrica de una poblacin, tal como la media aritmtica
poblacional, la desviacin estndar poblacional o la proporcin poblacional.
Distribucin muestral
Es una distribucin de probabilidades que consta de todos los valores posibles de
un estadstico de muestra.
Factor de correccin para poblacin finita
El trmino
1
N n
N
que se usa en las frmulas de

x o
y
p o

cuando se
selecciona una muestra de una poblacin finita, no de una poblacin infinita. La
regla fcil que generalmente se acepta es no tomar en cuenta el factor de
correccin para poblacin finita siempre que 0.05
n
N
s
Error estndar
Es la desviacin estndar de un estimador puntual.
Teorema del lmite central
Tambin conocido como teorema central del lmite, es un teorema que permite
usar la distribucin de probabilidad normal para aproximar la distribucin de
muestra de
_
x y
_
p cuando el tamao de la muestra es grande.
Muestras pareadas
Muestras en las que con cada dato de una muestra se forman parejas con el dato
correspondiente.
54
Estadstica II
FCA-UNAM
MESOGRAFA
Bibliografa bsica

Estadistica PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estadistica PDF

Transféré par

Droits d'auteur :

Formats disponibles

1

3. La formula para calcular la varianza de una muestra es:

Unidad II. Distribuciones muestrales

en donde al sustituir los datos tenemos que:

donde sustituyendo los datos tenemos que:

se conoce como factor de poblacin finita y se utiliza cuando el

es la frmula para calcular la media de

que se usa en las frmulas de

Vous aimerez peut-être aussi