Tema 6 Distribuciones Muestrales

Hasta ahora se han denido diferentes modelos probabil sticos y sus propiedades principales (media, varianza...). Dichos modelos responden al objetivo de todo estudio probabil stico, descubrir una pauta de regularidad de cualquier fenmeno experimental. Por lo tanto, nuestra o intencin ser observar el comportamiento de diferentes realizaciones del fenmeno para inteno a o tar encontrar unas pautas de comportamiento general del modelo, a este proceso se le denomina Inferencia Estadstica.

6.1.

Poblacin y muestra o

Se dene Poblacin como el conjunto de elementos sobre los que observamos un carcter o a o cualidad y la cul se quiere generalizar. a Existen algunas circunstancias tales como: - muy grande o innita y no es posible estudiar todos los elementos - existen razones econmicas por las que no es posible estudiar la poblacin entera o o - no es posible obtener todos los elementos de la poblacin al ser fruto de un proceso o continuo de generacin o - el estudio de los elementos produce su destruccin o En todos estos casos hemos de trabajar con un subconjunto representativo de la poblacin al o cual llamaremos muestra. El Muestreo Estad stico sern los procedimientos mediante los a cuales obtengamos estas muestras cumpliendo que: - Est perfectamente denido el conjunto de todas las posibles muestras. e - Exista un procedimiento para seleccionar cada posible muestra con una probabilidad determinada. - La probabilidad de que cada elemento pertenezca a la muestra es conocida.

84

Distribuciones Muestrales

85

Solo un muestreo que cumpla estas condiciones proporciona un marco adecuado para realizar la Inferencia Estad stica. Los tipos de muestreo ms comunes son: a * Muestreo aleatorio simple (m.a.s.): tambin llamado muestreo aleatorio con reemplazae miento, es el muestreo ms comn y es aquel en el que cada elemento tiene igual proba u abilidad de ser seleccionado en cada extraccin, supuestas que las extracciones son ino dependientes entre si, de tal manera que cada elemento es devuelto a la poblacin para o que la probabilidad de seleccin no var o e. * Muestreo aleatorio sin reemplazo: cada elemento tiene igual probabilidad de ser seleccionado, solo que una vez elegido, este es excluido en siguientes extracciones. * Muestreo estraticado: se consideran dos o ms subpoblaciones (estratos) lo ms hoa a mogneas posibles sobre las que se seleccionan, mediante un m.a.s. un nmero de elee u mentos jado de antemano en cada estrato. Este nmero jado de antemano, se decide u en base a consideraciones sobre el estrato. * Muestreo por conglomerados: se divide a la poblacin en areas o zonas (conglomerao dos) de muestreo lo ms heterogneas posibles, a continuacin se seleccionan algunos a e o conglomerados mediante un m.a.s. y en ellos se toman todos los elementos. Generalmente se utiliza el m.a.s. ya que en el se garantiza la equiprobabilidad e independencia.

6.2.

Concepto de estad stico

Se dene estad stico a cualquier funcin de las observaciones muestrales que ser a su vez o a una variable aleatoria (depender de los valores de cada realizacin de la muestra). Es decir, a o o sea (x1 , . . . , xn ) una muestra de la variable X, obtenida mediante un m.a.s., cualquier funcin Tn (x1 , . . . , xn ) ser un estad a stico. Al ser los estad sticos variables aleatorias, tendrn asociados una determinada distribucin, a o que se conoce como distribucin en el muestreo, la cual es muy importante en los problemas o de estimacin. o En una poblacin de tamao N, hemos estudiado los siguientes parmetros: o n a 1. Media poblacional: 1 =X= N 2. Varianza poblacional: V ar[X] = 2 = 1 N
N N

Xi
i=1

i=1

(Xi X)2

ESTAD ISTICA. 1o Relaciones Laborales. Profesor Ramn Gutirrez Snchez o e a

Distribuciones Muestrales 3. Cuasivarianza poblacional: 1 S = N 1

2 N

86

i=1

(Xi X)2

Esta cuasivarianza se suele calcular como: S2 = N 2 N 1

Si en esa poblacin X, realizamos un m.a.s, x1 , . . . , xn , podremos calcular los siguientes o estad sticos muestrales: 1. Media muestral: 1 x= n 2. Varianza muestral: 1 V ar[x] = = n
2 n

xi
i=1

i=1

(xi x)2

3. Cuasivarianza muestral: 1 s = n1
2 n

i=1

(xi x)2 =

n 2 n1

Estos estad sticos muestrales tiene asociados algunas distribuciones conocidas que estudiaremos a continuacin. o

6.3.

Distribuciones en el muestreo

Proposicin 1. Sea X una v.a. proveniente de una poblacin normal de media y varianza o o 2 , es decir, X N (, ), en donde tomamos una muestra aleatoria simple x1 , . . . , xn ; en 2 este caso la distribucin de la media muestral es una normal de media y varianza ; es o n decir: x N ; n .

Proposicin 2. Sea X una v.a. con distribucin arbitraria, de media y varianza 2 , para una o o muestra sucientemente grande, la distribucin de la media muestral sigue aproximadamente o 2 una distribucin normal de media y varianza . o n Teorema 1 (Fisher-Cochran). Dada una m.a.s. de tamao n, x1 , . . . , xn procedentes de una n distribucin X o N (, ), se tiene que los estad sticos x y 2 son independientes. ESTAD ISTICA. 1o Relaciones Laborales. Profesor Ramn Gutirrez Snchez o e a

Distribuciones Muestrales

87

Proposicin 3. Sea X una v.a. proveniente de una poblacin normal de media y varianza 2 , o o es decir, X N (, ), en donde tomamos una muestra aleatoria simple x1 , . . . , xn ; entonces: (n 1)s2 n 2 = 2 2 2 n1

Proposicin 4. Sea X una v.a. proveniente de una poblacin normal de media y varianza 2 , o o es decir, X N (, ), en donde tomamos una muestra aleatoria simple x1 , . . . , xn ; entonces:
n i=1

(xi )2 2

2 n
n i

ya que si Xi i = 1, . . . , n son normales N (0, 1), sabemos que y = es decir, X

Xi2

2 . n

Corolario 1. Sea X una v.a. proveniente de una poblacin normal de media y varianza 2 , o N (, ), en donde tomamos una muestra aleatoria simple x1 , . . . , xn ; resulta:

T =

x s/ n

tn1

Demostracin. Un t de student es el cociente de una normal entre la ra de una 2 partida o z por su grados de libertad, entonces, basndonos en la proposicin 1 y el colorario 1, resulta a o
x / n (n1)s2
2 n1

ser el cociente antes indicado y por lo tanto seguir una t de student con tantos grados de a a 2 libertad como tuviera la .

6.4.

Concepto de estimador

Se dene un estimador, como cualquier estad stico que se utilice para inferir (estimar) un parmetro desconocido de la poblacin. a o Por ejemplo la media poblacional () se estima mediante la media muestral ()y la varianza x 2 2 poblacional ( ) se estima mediante la cuasivaranza muestral (s ). Los estimadores han de vericar las siguientes condiciones: - Consistencia: se dice que un estimador es consistente si: l n P [| | > ] = 0 m - Insesgadez: se dice que un estimador es insesgado si E[ ] = ESTAD ISTICA. 1o Relaciones Laborales. Profesor Ramn Gutirrez Snchez o e a

Distribuciones Muestrales
- Eciente: dados dos estimadores insesgados 1 y 2 se dice que 1 es ms eciente si a V ar(1 ) < V ar(2 )

88

Estos estimadores dependen de la muestra, por lo que para cada muestra distinta se tendr un estimador distinto (son variables aleatorias). a A el valor del estimador en una muestra concreta se le llama estimacin o estimador o puntual.

ESTAD ISTICA. 1o Relaciones Laborales. Profesor Ramn Gutirrez Snchez o e a