UNIVERSIDAD DEL VALLE

JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731

RAQUEL OSPINA FRANCO CODIGO: 0130900

DISTRIBUCIONES MUESTRALES E INTERVALO DE CONFIANZA

• Distribución muestral de la media

Distribución de muestreo de medias es una distribución probabilística que
consta de todas las medias muéstrales posibles de un tamaño de muestra
dado de una población, y la probabilidad de ocurrencia asociada a cada
media maestral.

Ejemplo:

El colegio Eustaquio Palacios cuenta con 10 estudiantes en el grado tercero (a quienes se les
considera la población). En la siguiente tabla se incluyen el dinero por día que le dan los padres a sus
hijos para su descanso.

ESTUDIANTES DINERO PARA EL RECREO

JAIME 1000
SAMUEL 1700
VALERIA 800
ESTEFANIA 1300
CATALINA 1500
DIEGO 1000
DIANA 900
ALICIA 1200
NICOL 1600
CAMILA 1100

1. ¿Cuál es la media de la población?

2. ¿Cuál es la distribución muestral de la media para muestras de tamaño 2?

3. ¿Cuál es la media de la distribución muestral de la media?

4. ¿Qué observaciones es posible hacer sobre la población y la distribución muestral de la media?

Solución

1. La media de la población es de $1.210, la cual corresponde a la media de los dineros que los
niños reciben a diario para gastar en su recreo (10 estudiantes).

Media de la población (símbolo µ):

µ= = (1000+1700+800+1300+1500+1000+900+1200+1600+1100)/10 = $1.210.

2. Para obtener la distribución muestral de la media, se seleccionó sin remplazos de la población,

todas las muestras posibles de tamaño 2 y se calcularon las medias de cada muestra. Hay 45
posibles muestras calculadas a continuación:

NCn= = = 45
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

N = 10, número de elementos de la población (estudiantes).

n = 2, es el número de elementos de la muestra.
A continuación se ilustran las 45 medias muéstrales de tamaño 2 que puedan tomarse de la población.
Estas 45 muestras se utilizan para construir la distribución de probabilidad, que es la distribución
muestral de la media.

ALUMNOS DINERO PARA EL RECREO SUMA MEDIA

Jaime, Samuel 1000, 1700 2700 1350
Jaime, Valeria 1000, 800 1800 900
Jaime, Stefania 1000, 1300 2300 1150
Jaime, Catalina 1000, 1500 2500 1250
Jaime, Diego 1000, 1000 2000 1000
Jaime, Diana 1000, 900 1900 950
Jaime, Alicia 1000, 1200 2200 1100
Jaime, Nicol 1000, 1600 2600 1300
Jaime, Camila 1000, 1100 2100 1050
Samuel, Valeria 1700, 800 2500 1250
Samuel, Stefania 1700, 1300 3000 1500
Samuel, Catalina 1700, 1500 3200 1600
Samuel, Diego 1700, 1000 2700 1350
Samuel, Diana 1700, 900 2600 1300
Samuel, Alicia 1700, 1200 2900 1450
Samuel, Nicol 1700, 1600 3300 1650
Samuel, Camila 1700, 1100 2800 1400
Valeria, Stefania 800, 1300 2100 1050
Valeria, Catalina 800, 1500 2300 1150
Valeria, Diego 800, 1000 1800 900
Valeria, Diana 800, 900 1700 850
Valeria, Alicia 800, 1200 2000 1000
Valeria, Nicol 800, 1600 2400 1200
Valeria, Camila 800, 1100 1900 950
Stefania, Catalina 1300, 1500 2800 1400
Stefania, Diego 1300, 1000 2300 1150
Stefania, Diana 1300, 900 2200 1100
Stefania, Alicia 1300, 1200 2500 1250
Stefania, Nicol 1300, 1600 2900 1450
Stefania, Camila 1300, 1100 2400 1200
Catalina, Diego 1500, 1000 2500 1250
Catalina, Diana 1500, 900 2400 1200
Catalina, Alicia 1500, 1200 2700 1350
Catalina, Nicol 1500, 1600 3100 1550
Catalina, Camila 1500, 1100 2600 1300
Diego, Diana 1000, 900 1900 950
Diego, Alicia 1000, 1200 2200 1100
Diego, Nicol 1000, 1600 2600 1300
Diego, Camila 1000, 1100 2100 1050
Diana, Alicia 900, 1200 2100 1050
Diana, Nicol 900, 1600 2500 1250
Diana, Camila 900, 1100 2000 1000
Alicia, Nicol 1200, 1600 2800 1400
Alicia, Camila 1200, 1100 2300 1150
Nicol, Camila 1600, 1100 2700 1350

A continuación en la siguiente tabla se presentara la distribución muestral de la media resumida.

Distribución muestral de la media para n = 2.
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

MEDIA NUMERO DE
MUESTRAL MEDIAS PROBABILIDAD
$ 850 1 0,0222
$ 900 2 0,0444
$ 950 3 0,0667
$ 1.000 2 0,0444
$ 1.050 4 0,0889
$ 1.100 4 0,0889
$ 1.150 4 0,0889
$ 1.200 3 0,0667
$ 1.250 5 0,1112
$ 1.300 4 0,0889
$ 1.350 4 0,0889
$ 1.400 3 0,0667
$ 1.450 2 0,0444 3. La media de la
$ 1.500 1 0,0222 distribución
$ 1.550 1 0,0222 muestral de la
$ 1.600 1 0,0222 media se
$ 1.650 1 0,0222 obtiene al
TOTAL 45 1 sumar las
medias muestrales y dividir el resultado entre el número total de muestras.

µx = distribución muestral de la media = suma de todas las media muéstrales / Total muestras

µx = (850+900+900+950+950+950+1000+1000+…+1600+1650)/45=54.550/45 = 1.212

NOTA
4. A) La media de la: distribución muestral de la media ($1.212) es aproximadamente similar o muy
cercana aEl
la numero
media de la depoblación:
medias,µes el número de veces que se presenta o repite esta
≈ µx
dentro de las 45 medias muéstrales de tamaño 2.
B) La dispersión de la distribución
La probabilidad muestral
se halla de la de las medias(numero
operación delamedias
es menor que dispersión ÷
de45
los).
valores de laEjemplo:
población. 1La÷media de las
45 = 0.0222 muestras varia de $850 a $1650, mientras que los
valores de población varían de $800 a $1700. Conforme se incrementa el tamaño de la muestra,
se reduce la dispersión de la distribución normal de las medias.
También podremos mostrar los resultados de manera grafica, tomando como base los datos o
campos: MEDIA MUESTRAL Y PROBABILIDAD de la tabla presentada anteriormente.
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

MUESTREO ALEATORIO
Es un proceso de selección que garantiza a cada uno de los elementos
de la población la misma oportunidad de ser incluidos en dicha
muestra.

MUESTREO ALEATORIO SIMPLE

Es la muestra seleccionada de manera que cada elemento o individuo

de la población tenga las mismas posibilidades de que se le incluya.

Ejemplo 1: En otras palabras, supongamos que una población de frutas para este caso una docena
(12) de naranjas y se va a elegir una muestra de cuatro (4) naranjas de dicha población de frutas:

Una forma de asegurarse de que todas las naranjas de la población tomada tengan las mismas
posibilidades de que se les elija consiste en coger la docena de naranjas y depositarlas en una caja,
bolsa o costal y después de mezclarlos se efectúa la primera selección tomando una naranja de la
caja o bolsa y se repite este proceso hasta terminar de elegir la muestra correspondiente a cuatro (4)
naranjas.

Un método más conveniente de seleccionar esta muestra aleatoria consiste en utilizar un número de
identificación para cada naranja y una tabla de números aleatorios generados mediante un proceso
aleatorio (Computadora).

La probabilidad de seleccionar las naranjas identificadas con los números n1, n2, n3, n4, n5, n6, n7,
n8, n9, n10, n11, n12 es la misma para seleccionar cada una de las cuatro (4) naranjas y se elimina la
influencia o el sesgo de dicho proceso de selección.

Cada posible combinación de unidades A = {n1, n2, n3 y n4}, B = {n2, n3, n4, n5}, C={n3, n4, n5, n6},
D = {n4, n5, n6,n7}, E = {n5, n6, n7, n8}, F = {n6, n7, n8, n9}, G = {n7, n8, n9, n10}, H = {n8, n9, n10,
n11}, I = {n9, n10, n11, n12}, etc. Tienen la misma probabilidad de ser elegidas.

• MUESTREO ALEATORIO SISTEMÁTICO

Es tipo ó técnica de muestreo requiere de una selección aleatoria inicial y

posteriormente se continúa seleccionando los demás miembros que harán
parte de la muestra usando algún sistema o regla especifico.

Ejemplo No.1:
De un colegio se toman los grados octavos que tienen un total de 120 estudiantes, se desea conocer
su punto de vista en cuanto a la calidad de educación que se les imparte. Para esto se sacara una
muestra de 30 estudiantes.

El trabajo se realiza de la siguiente manera.

a) Se numeran los alumnos del 1 al 120 y se calcula el intervalo constante entre cada individuo.

N(población) = 120 = 4
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

M(muestra) 30

b) Sorteamos un numero del 1 al 4, supongamos que sale el numero 3. El primer alumno

seleccionado para la muestra seria el numero 3, los siguientes alumnos se obtendrían sumando
3, hasta llegar a tener 30 alumnos.

Los alumnos seleccionados para la muestra serian los que correspondieran a los números: 3, 9, 12,
15, 18, 21, 24, 27, 30… 90.

Ejemplo No.2 :

Para obtener una muestra de suscriptores telefónicos en una ciudad grande, puede obtenerse primero
una muestra aleatoria de los números de las páginas del directorio telefónico; al elegir el vigésimo
nombre de cada página obtendríamos un muestreo sistemático, también podemos escoger un nombre
de la primera página del directorio y después seleccionar cada nombre del lugar número cien a partir
del ya seleccionado. Por ejemplo, podríamos seleccionar un número al azar entre los primeros 100;
supongamos que el elegido es el 40, entonces seleccionamos los nombres del directorio que
corresponden a los números 40, 140, 240, 340 y así sucesivamente.

• MUESTREO ALEATORIO ESTRATIFICADO

Este tipo de muestreo, divide a la población en varios grupos o estratos
y luego se selecciona al azar una muestra de cada grupo o estrato con
el fin de obtener el número total de la muestra.

En síntesis, requiere de separar a la población según grupos llamados estratos, y de elegir después
una muestra aleatoria simple en cada estrato.

Ejemplo:
Supongamos que nos interesa obtener una muestra de las opiniones de los profesores (250 en total) a
cerca del proyecto educativo “BIBLIOTECA VIRTUAL” propuesto en el Municipio de Miranda Cauca.
Puede ser difícil obtener una muestra con todos los profesores, así que dividimos la población del
profesorado por colegios (estratos), y luego seleccionamos al azar una muestra de cada colegio.

MUNICIPIO DE MIRANDA
COLEGIOS (ESTRATOS) PROFESORADO
(OPCION SELECCIONADA EN ROJO)
JUAN CARLOS APONTE
INST. EDUC. LEOPOLDO PIZARRO G. MARIA CAMILA RUIZ SOTO
JOSE CAMILO PUERTAS
PILAR YEPES
RODRIGO PARDO
INST. EDUC. EL ROSARIO
FELIPE MONDRAGON
ADELAIDA MELNDEZ
SOFIA BONILLA
CARLOS ALBERTO SATIZABAL
INST. EDUC. TECNICO MARISCAL SUCRE
DIEGO SOTELO BARONA
LINA MARIA FERNANDEZ
INST. EDUC. EL ORTIGAL. OCTAVIO GUERRA
MARIA SOFIA HENAO
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

LIGIA VANEGAS
CARLOS ZAMORA
INST. EDUC. SANTA ANA ANA JESUS PORTILLA
MONICA ANDREA ZAPATA
GUSTAVO PINILLA
INST. EDUC. AGROP. MONTERREDONDO FERNANDO BOTERO
LUNA MARCELA GIRALDO
FIDEL ALEJANDRO GUERRA
CENTRO EDUCATIVO EL CABILDO.
JOSE IGNACIO CUERVO

Los estratos se formaron tomando las siete (7) Instituciones Educativas existentes en el municipio y de ellos se
realizo una selección aleatoria de un integrante de cada institución que quedó de color rojo para conformar la
muestra global.

• INTERVALOS DE CONFIANZA

Un intervalo de confianza es un rango de valores (calculado en una

muestra) en el cual se encuentra el verdadero valor del parámetro, con
una probabilidad determinada.

Los factores que determinan el ancho del intervalo de confianza son:

• El tamaño de la muestra, n.
• La varianza de la población σ es estimada por s.
• El nivel deseado de confianza

Interpretación de los intervalos de confianza:

 Para un intervalo de confianza alrededor del 95%, se puede espera que el 95% de los
intervalos de confianza contengan la media de la población y cerca del 5% de los intervalos no
contendrían a la media de la población.
 Además el 95% de las muestras para una muestra especifica de tamaño dado estarán dentro
de 1.96 desviaciones estándar de la población.

La probabilidad de que el verdadero valor del parámetro se encuentre en el intervalo construido se

denomina nivel de confianza, y se denota 1- . La probabilidad de equivocarnos se llama nivel de
significancia y se simboliza . Generalmente se construyen intervalos con confianza 1- =95% (o
significancia =5%). Menos frecuentes son los intervalos con =10% o =1%.

Para construir un intervalo de confianza, se puede comprobar que la distribución Normal Estándar
cumple 1:

P(-1.96 < z < 1.96) = 0.95

Luego, si una variable X tiene distribución N( , ), entonces el 95% de las veces se cumple:
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

Despejando en la ecuación se tiene:

El resultado es un intervalo que incluye al el 95% de las veces. Es decir, es un intervalo de

confianza al 95% para la media cuando la variable X es normal y es conocido.

Intervalo de confianza para la media conocida

Generalmente, cuando se quiere construir un intervalo de confianza para la media poblacional , la

varianza poblacional es desconocida, por lo que el intervalo para construido al final de II es muy
poco práctico.

Si en el intervalo se reemplaza la desviación estándar poblacional por la desviación estándar

muestral s, el intervalo de confianza toma la forma:

La cual es una buena aproximación para el intervalo de confianza de 95% para con desconocido.
Esta aproximación es mejor en la medida que el tamaño muestral sea grande.

Cuando el tamaño muestral es pequeño, el intervalo de confianza requiere utilizar la distribución t de

estudiantes (con n-1 grados de libertad, siendo n el tamaño de la muestra), en vez de la distribución
normal (por ejemplo, para un intervalo de 95% de confianza, los límites del intervalo ya no serán
construidos usando el valor 1,96).

Ejemplo:
Los siguientes datos son los puntajes obtenidos para 45 personas de una escala de depresión (mayor
puntaje significa mayor depresión).

2 5 6 8 8 9 9 10 11
11 11 13 13 14 14 14 14 14
14 15 15 16 16 16 16 16 16
16 16 17 17 17 18 18 18 19
19 19 19 19 19 19 19 20 20

Para construir un intervalo de confianza para el puntaje promedio poblacional, asumamos que los
datos tienen distribución normal, con varianza poblacional desconocida. Como es desconocido,
lo estimamos por s =18,7. Luego, un intervalo de confianza aproximado es:
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

Luego, el intervalo de confianza para es (13,2 - 15,8). Es decir, el puntaje promedio poblacional se
encuentra entre 13,2 y 15,8 con una confianza 95%.

Intervalo de Confianza para una Proporción.

En este caso, interesa construir un intervalo de confianza para una proporción o un porcentaje
poblacional (por ejemplo, el porcentaje de personas con hipertensión, fumadoras, etc.)

Si el tamaño muestral n es grande, el Teorema Central del Límite asegura que:

O bien:

Donde p es el porcentaje de personas con la característica de interés en la población (o sea, es el

parámetro de interés) y p es su estimador muestral.

Luego, procediendo en forma análoga al caso de la media, podemos construir un intervalo de 95% de
confianza para la proporción poblacional p.

Ejemplo:
En un estudio de prevalencia de factores de riesgo en una cohorte de 412 mujeres mayores de 15
años en la Región Metropolitana, se encontró que el 17.6% eran hipertensas. Un intervalo de 95% de
confianza para la proporción de mujeres hipertensas en la Región Metropolitana está dado por:

Luego, la proporción de hipertensas varía entre (0,139, 0,212) con una confianza de 95%.
UNIVERSIDAD DEL VALLE
JOHN RODRIGO MUÑOZ LARGO CODIGO: 1026731
RAQUEL OSPINA FRANCO CODIGO: 0130900

BIBLIOGRAFIA

LIND, MARCHAL, WATHEL. Estadística aplicada a los Negocios y a la Economía.

Editorial Mc Graw Hill.

David M. Levine. Estadística para la administración.

Editorial Pearson. Cuarta edición.

PAGINAS WEB.
http://www.casado-d.org/edu/EjerciciosIntervalos.pdf
http://www.cesma.usb.ve/~giselle/FC1623/guiaestiiCapituloII.prn.pdf
http://es.scribd.com/doc/21308874/TEMA-N%C2%BA-07-METODOS-Y-DISTRIBUCIONES-DE-
MUESTREO
http://www.wiziq.com/tutorial/11026-Intervalos-de-Confianza