MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma

Documentos relacionados
Distribuciones Muestrales

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES

UT-4: Distribuciones fundamentales de muestreo y descripción de datos

TEORÍA DE LA ESTIMACIÓN

1. Distribución Normal.

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

Propiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

IntroducciónalaInferencia Estadística

Estimación por Intervalos

SESION 15 DISTRIBUCIONES DE MUESTREO

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

INTRODUCCION Teoría de la Estimación

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.

3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

TEMA 3: INFERENCIA ESTADISTICA

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

CAPÍTULO I. Conceptos Básicos de Estadística

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

Desigualdad de Tchebyshev

DISTRIBUCIONES EN EL MUESTREO

Unidad N 2. Medidas de dispersión

INFERENCIA ESTADÍSTICA

Convergencia de variables aleatorias

MEDIDAS DE DISPERSIÓN.

Tema 4. Estimación de parámetros

PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.

Muestreo en Poblaciones Finitas

1. Intervalos de Conanza

Universidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para

Sobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017

Estimadores Puntuales: Propiedades de estimadores Sebastián Court

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Métodos de Análisis Cuantitativo

Estimación de Parámetros

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis

Solución: de una distribución con media µ y varianza conocida. = X. Aquí 100. Así σ = a) Se pide determinar "n", de modo que:

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS

Parte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS

En esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

Distribuciones en el muestreo, EMV

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

MEDIDAS DE TENDENCIA CENTRAL. _ xi

Medidas de Tendencia Central

Formulas. Población infinita. Población finita

Ejercicios resueltos de Muestreo

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD DE ATACAMA

- estimación de parámetros, - intervalos de confianza y

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

Introducción a las medidas de dispersión.

InIn Sistemas de Control de Calidad

Estimación por intervalos

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

Análisis de resultados. Independencia de las muestras

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.

Curso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)

INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 2015 Código asignatura: EXAMEN TIPO TEST MODELO C DURACION: 2 HORAS. Soluciones

Importancia de las medidas de tendencia central.

Introducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino

ESTIMACIONES DE MEDIAS

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática

Determinación del tamaño de una muestra (para dos o más muestras)

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana

Tema 14: Inferencia estadística

Distribución Multinomial

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

Estadística Descriptiva

MATEMÁTICAS 2ºBACHILLERATO CCSSII

Estimación de Parámetros. Estimación de Parámetros

1. Propiedades de los estimadores

Curso de Estadística Aplicada a las Ciencias Sociales

Qué es la estadística?

Ejercicios de intervalos de confianza en las PAAU

SUMA DE VARIABLES ALEATORIAS

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

3. Distribuciones de probabilidad

Prueba A = , = [ 7.853, 8.147]

Variables aleatorias conjuntas

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

Tema 2. Medidas descriptivas de los datos

Ley de Grandes Números y Teorema Central del

Guía 1 Matemática: Estadística NM 4

PRÁCTICA 6: TEOREMA CENTRAL DEL LÍMITE

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

Transcripción:

MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete parecidas. Puede esperarse que cualquier estadístico, como la media muestral, calculado a partir de las medias e ua muestra aleatoria, cambie su valor de ua muestra a otra, por ello, se requiere estudiar la distribució de todos los valores posibles de u estadístico. Tales distribucioes será muy importates e el estudio de la estadística iferecial, porque las iferecias sobre las poblacioes se hará usado estadísticas muestrales. Co el aálisis de las distribucioes asociadas co los estadísticos muestrales, podremos juzgar la cofiabilidad de u estadístico muestral como u istrumeto para hacer iferecias sobre u parámetro poblacioal descoocido. Como los valores de u estadístico, tal como, varía de ua muestra aleatoria a otra, se le puede cosiderar como ua variable aleatoria co su correspodiete distribució de frecuecias.

Defiició La distribució de frecuecia de u estadístico muestral se deomia distribució muestral. E geeral, la distribució muestral de u estadístico es la de todos sus valores posibles calculados a partir de muestras del mismo tamaño.

Defiició Supogamos que elegimos muestras aleatorias de tamaño, de ua població de tamaño N, calculamos la deviació estádar de cada muestra. La colecció de todas estas desviacioes estádar muestrales se llamará distribució muestral de la desviació estádar.

Ejemplo Solució µ la media poblacioal. σ, la desviació estádar poblacioal. Se elige muestras ordeadas de tamaño, co reemplazo, de la població de valores 0,, y 6. Ecotrar: µ, la media poblacioal. σ, la desviació estádar poblacioal. µ x, la media de la distribució muestral de medias. σ x, la desviació estádar de la distribució muestral de medias. Además, graficar las frecuecias para la població y para la distribució muestral de medias. i xi 0 6 3 i x i 0 3 3 3 6 3 5

0.8 0.6 0. 0. 0 3.5 3.5.5 0.5 0 DFMM 3 0 3 5 6 La media de la distribució muestral de la media se obtiee etoces de la siguiete forma: x x i i 0 3 3 3 5 3 5 6 6 0() () (3) 3() (3) 5() 6() 6 0( ) ( ) ( 3 ) 3( ) ( 3 ) 5( ) 6( ) 6 6 6 6 6 6 6 0P( 0) ( ) P( ) 6P( 6) i xip( xi ) 3.0 La media de la distribució muestral de la variaza se obtiee etoces de la siguiete forma: S x 0 3 3 ( 3) 6 3 6 0 3 3 () ( 3) (3) 6 3 6 3 0 3 6 3 ( 6) ( 3) ( 6) 6 3 6 0 3 P( 0) 3 P( ) ( 3) P( ) 6 3 x P( xi ). 5 i i i x x i x P( 6)

0. 0.35 0.3 0.5 0. 0.5 0. 0.05 0 Deducció 3 S Para cualquier variable aleatoria, la distribució muestral de medias tiee ua media o valor esperado, ua variaza y ua desviació estádar, se ha mostrado para dos ejemplos distitos que la distribució muestral de medias tiee ua media igual a la media poblacioal. Podemos ver que ua distribució muestral se geera extrayedo todas las posibles muestras del mismo tamaño de la població y calculádoles a éstas su estadístico. Si la població de la que se extrae las muestras es ormal, la distribució muestral de medias será ormal si importar el tamaño de la muestra.

parámetros poblacioales Estadisticos muestrales fx P() μ (xi-μ) σ DSTP NP x,x x +x / m P(, ) m fx m (x i -μ) s i fs P(S i ) (x i -μ) P(s i ) fx m /M P(x m ) x i P(x i ) μ S i 0 0.5 3 9 5. 0,0 0 0 0.065 0 9 0 0.5 0 0.065 0.065 0.000 3.50 0.5 6 0, 0.065 6 0.375 0.375 0.50 0.50 0.5 0.5 0, 0.065 3 0.5 0.875 0.875 0.375 6 0.5 9 0,6 3 3 0.065 3 0 9 0.5.5 0.500 0.500 0.750.00,0 0.065 3 6.5 0.875 0.875 0.750, 5 0.065 5 0.50 0.50 0.65, 3 6 0.065 6 0 0.065 0.065 0.375,6 0.065.0000.000,0 0.065, 3 0.065 0, 0.065,6 5 0.065 6,0 3 0.065 0 6, 0.065 6, 5 0.065 6,6 6 0.065 9

Si la població de dode se extrae las muestras o es ormal, etoces el tamaño de la muestra debe ser mayor o igual a 30, para que la distribució muestral tega ua forma acampaada. Mietras mayor sea el tamaño de la muestra, más cerca estará la distribució muestral de ser ormal. Para muchos propósitos, la aproximació ormal se cosidera buea si se cumple =30. La forma de la distribució muestral de medias sea aproximadamete ormal, aú e casos dode la població origial es bimodal, es realmete otable. Error Muestral e = -μ Cualquier tipo de medida implica algú error e si misma. Si utilizamos la media para medir, y/o estimar, la media poblacioal μ, etoces la media muestral, como medida, preseta algú error. Se deomia el error muestral si la media muestral puede expresarse como la suma de dos catidades, la media poblacioal μ y el error muestral, deotado por e.

Error Muestral 0.5 0. 0.5 0. 0.05 0-3 - - 0 3 x,x x+x/ e= -μ μ e e-μ e σ e dste P(, ) e fe P(e) P(e) (e-μ e ) (e-μ e ) P(e) σ e σ 0,0 0-3.000 0.000 9.000.50.58 0.065-3 0.065 0.065 9 0.565.5.58 0, -.000.000 0.065-0.5 0.5 0.5 0, -.000.000 0.065-3 0.875 0.875 0.875 0,6 3 0.000 0.000 0.063 0 0.5 0.50 0 0,0 -.000.000 0.065 3 0.875 0.875 0.875, -.000.000 0.065 0.5 0.5 0.5, 3 0.000 0.000 0.065 3 0.065 0.065 9 0.565,6.000.000 0.065,0 -.000.000 0.065, 3 0.000 0.000 0.065,.000.000 0.065,6 5.000.000 0.065 6,0 3 0.000 0.000 0.065 6,.000.000 0.065 6, 5.000.000 0.065 6,6 6 3.000 9.000 0.065

Coclusió e N N La desviació estádar de la distribució muestral de u estadístico se cooce como error estádar del estadístico. Para el ejercicio aterior el error estádar de la media deotado por σ e, es.58. Co esto se puede muestra que si para ua població se elige muestras de tamaño co reemplazo, etoces el error estádar de la media es igual a la desviació estádar de la distribució de los errores muestrales. Cuado las muestras se toma de ua població pequeña y si reemplazo, se puede usar la formula siguiete para ecotrar σ x dode σ es la desviació estádar de la població de dode se toma las muestras, es el tamaño de la muestra y N el tamaño de la població. Como regla de cálculo, si el muestreo se hace si reemplazo y el tamaño de la població es al meos 0 veces el tamaño de la muestra (N 0), etoces se puede usar la fórmula. N N Al factor se le deomia factor de correcció para ua població fiita.

Ejemplo Supoga que la tabla siguiete muestra la atigüedad e años e el trabajo de tres maestros uiversitarios de matemáticas: Maestro Atigüedad A 6 B C Supoga además que se seleccioa muestras aleatorias de tamaño si reemplazo. Calcule la atigüedad media para cada muestra, la media de la distribució muestral y el error estádar, o la desviació estádar de la distribució muestral. Solució Se puede teer 3 C = 3 muestras posibles de tamaño, calcularemos sus respectivas medias muestrales.

població muestra maestro atigüedad μ σ i σ σ muestra i μ x σ i σ x σ x A 6.66667.63 A,B 5 0.667 0.86 B 0 A,C 0 C B,C 3 teorema LC.55 N N Correcció LC 0.86

iicio Població fiita Muestra co reemplazo N 0 N N