UNIVERSIDAD CENTROCCIDENTAL

“LISANDRO ALVARADO”
DECANATO DE CIENCIA Y TECNOLOGÍA
DEPARTAMENTO DE INVESTIGACIÓN DE OPERACIONES Y
ESTADISTICA
ESTADISTÍCA II-INP 514
PROF. NORA MONSALVE

UNIDAD 1: Inferencia Estadística para Muestras Pequeñas

(Distribuciones muestrales)

Población: También llamado Universo es la totalidad de personas u objetos que tienen una
o más características medibles o contables de naturaleza cualitativa o cuantitativa.

La característica medible o contable es la variable estadística cuyo valor

numérico o no, es una observación

Parámetro: Son las medidas descriptivas que caracterizan a la distribución de la población.

Los parámetros poblacionales más conocidos son:
Media µ
Proporción πop
Varianza σ2
Desviación estándar σ

 Al estudiar una población, la variable aleatoria que la define, puede ser

conocida o no.
 Si la distribución de la población es desconocida, podemos estar interesados en:
1. Estimar sus parámetros.
2. Probar determinada suposición acerca de un valor determinado del
parámetro (Intervalos de confianza, pruebas de hipótesis).

Muestra: Es un subconjunto de la población. Si el parámetro no es conocido es necesario

examinar una muestra con el propósito de inferir. A este proceso se conoce como
inferencia estadística.
Distribución muestral: Se denomina distribución muestral a la distribución de
probabilidad de un estadístico.
1. Distribución muestral de la media Y:

Y   
1.1.Distribución de  :

S n
Teorema (Distribución de Y cuando σ2 se desconoce): Sean Y1,Y2,….,Yn una muestra
aleatoria de tamaño n escogida de una distribución normal N(μ, σ2), donde la varianza
poblacional σ2 es desconocida. Entonces, la variable aleatoria:

T
Y    tiene distribución t-student con (n-1)
S
n
grados de libertad, o T~t(n-1). En efecto, se verifica que:

Z
Y    ~ N(0,1) V
n  1S 2 ~  2 ( n1)
  2

n
Entonces, la variable aleatoria:

Z Y 
T 
V (n  1) S
n
Tiene distribución t-student con (n-1) grados de libertad.

Comparación entre las funciones de densidad normal estándar y t

Nota: Los valores de t tales que: PT  t    se encuentran en la tabla tabulada t-
Student con (n-1) grados de libertad.

Observaciones sobre la Distribución t-student:

 La distribución de T se asemeja a la distribución de Z en que ambas son simétricas

alrededor de cero.
 Ambas distribuciones tienen forma de campana, pero la distribución t varía más, ya
que los valores de T dependen de dos cantidades, Y y S 2 , mientras que los valores
de Z dependen únicamente de los cambios de Y de muestra a muestra.
 
 Para  >1, E T   0 y para  >2, V T    1.
 2
 Cuando n   las dos distribuciones son iguales.
 Exactamente el 95% de los valores de una distribución t con  =(n-1) grados de
libertad caen entre  t 0.025 y t 0.025 .

Grados de libertad: Son una forma de medir la información muestral disponible. En otras
palabras, son las piezas de información independientes en la muestra aleatoria de la
distribución. Ejemplo: Cuando los datos (valores de la muestra) se utilizan para
calcular la media, hay 1 grado de libertad menos en la información que se utiliza para
estimar σ2.

¿Para qué se utiliza la distribución T?

 En problemas donde se quiere hacer inferencia sobre la media poblacional

 En problemas que implican muestras comparativas (en casos donde se trata de
determinar si las medias de dos muestras son significativamente diferentes).
 El uso de la distribución t y la consideración del tamaño de la muestra no se
relaciona con el teorema del límite central. El uso de la distribución normal estándar
en lugar de T para n≥30 solamente implica que S es un estimador suficientemente
bueno de σ.

Teorema: Sea Y1,Y2,….,Yn una muestra aleatoria de una distribución normal con media μ y
varianza σ2. Entonces
2

 Y  Y 
n

i 1
i

n  1S 2
  n21
 2
 2

tiene una distribución  con (n-1) grados de libertad. Y

2
y S 2 son también variables
aleatorias independientes.

Distribución ji-cuadrada que muestra el área de la “cola derecha” α

Definición: Si se sacan al azar muestras independientes de tamaños n1 y n2 de dos
poblaciones distribuidas normalmente, con medias 1 y  2 y se supone que las varianzas
 12 y  22 son desconocidas e iguales, entonces la distribución muestral de la diferencia de
medias ( Y1 - Y2 ), tendrá distribución Normal con media y varianza:

S12 S 22 1 1 
 y -  y = μ1- μ2 y  2
y1 -  = +
2
y2
= S 2   
n1 n 2  n1 n2 
1 2

de aquí que,

T
Y
1  Y2   1   2 
tiene distribución t-Student ( n1  n2  2 ) grados de libertad
1 1
S   
 n1 n2 

n1 n2

  yi  y1     yi  y 2 
2 2

donde, S 2  i 1 i 1
=
n1  1s12  n2  1s22
n1  n2  2 n1  n2  2
Definición: Si se sacan al azar muestras independientes de tamaños n1 y n2 de dos
poblaciones distribuidas normalmente, con medias 1 y  2 y se supone que las varianzas
 12 y  22 son desconocidas y diferentes, entonces la distribución muestral de la diferencia
de medias ( Y1 - Y2 ), tendrá distribución Normal con media y varianza:

S12 S 22
 y -  y = μ1- μ2 y  y2 -  y2 = +
1 2 1 2
n1 n 2

de aquí que,

T
Y1  Y2   1   2 
tiene distribución t-Student  grados de libertad
 S12 S 22 
  
 1
n n 2 

2
 S12 S 22 
  
donde,    n1 n2  2
2 2
 S12   S 22 
    
 n1   n2 
Teorema: Sean U y V dos variables aleatorias independientes que tienen distribuciones ji-
cuadrada con  1 y  2 grados de libertad, respectivamente. Entonces la distribución de la
variable aleatoria:

U 1
F
V 2

tiene Distribución muestral F.

Distribución F que muestra el área de la “cola derecha” α

Observaciones sobre la Distribución F:

 El número de grados de libertad asociados con la variable aleatoria ji-cuadrada que
aparecen en el numerador de F siempre se establecen en primer lugar.
 La curva de la Distribución F depende no sólo de los parámetros  1 y  2 sino
también del orden en el cual se establecen.
 La distribución F encuentra enorme aplicación en la comparación de varianzas
muestrales.
 Las aplicaciones de la distribución F se encuentran en problemas que involucran dos
o más muestras.
 A la distribución F también se le llama distribución de razón de varianzas.

Teorema: Si se escribe f   1 , 2  para f  con  1 y  2 grados de libertad, se obtiene:

f1  1 , 2  
1
f   2 , 1 

Teorema: Si S12 y S 22 son las variancias de variables aleatorias independientes de

tamaño n1 y n 2 que se sacan de poblaciones normales con variancias  12 y  22 ,
respectivamente, entonces,
 (n1  1) S12
 12 S12  12  22 S12
F  2 2= 2 2
(n2  1) S 22 S2  2  1 S 2
 22

tiene una distribución F con  1 =( n1 -1) y  2 =( n 2 -1) grados de libertad.

 Ejercicios

1. Un fabricante de baterías para auto garantiza que sus baterías durarán, en promedio,
tres años con una desviación estándar de un año. Si cinco de estas baterías tienen
duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 años, ¿el fabricante aún está convencido de que
sus baterías tienen una desviación estándar de un año?. Suponga que la duración de
la batería sigue una distribución normal.

2
 n 
2

 
n n

 X i  X n  Xi
2
  Xi 
 i 1 
Recuerde: S 2  i 1  i 1
n 1 n(n  1)
2. Un ingeniero químico afirma que el rendimiento medio de la población de cierto
proceso en lotes es 500 gramos por milímetro de materia prima. Para verificar esta
afirmación muestrea 25 lotes cada mes. Si el valor t calculado cae entre –t0.05 y t0.05,
queda satisfecho con su afirmación. Si se obtiene una muestra cuya media x  518
gramos por milímetro y una desviación estándar muestral s = 40, ¿qué puede decir
de la afirmación?. Suponga que la distribución de rendimiento es aproximadamente
normal.

3. Considere las siguientes mediciones de la capacidad de producción de calor

producido por dos minas (en millones de calorías por tonelada):

Mina 1 Mina 2
8260 8130 8350 8070 8340 7950 7890 7900 8140 7920 7840

¿Se puede concluir que las varianzas poblacionales son iguales?

4. Si S12 y S 22 representan las varianzas de muestras aleatorias independientes de

tamaño n1=25 y n2=31, tomadas de poblaciones normales con varianzas  12  10 y
 22  15 , respectivamente, entonces encuentre P( S12 S 22  1.26)