DEFINICION DE MUESTREO

El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es

determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse
con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete
debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la
observacin de slo una parte de ella, se denomina error de muestreo. btener una
muestra adecuada significa lograr una versin simplificada de la poblacin, que
reprodu!ca de alg"n modo sus rasgos bsicos.
#uestra$ En todas las ocasiones en que no es posible o conveniente reali!ar un censo, lo
que hacemos es traba%ar con una muestra, entendiendo por tal una parte representativa
de la poblacin. &ara que una muestra sea representativa, ' por lo tanto "til, debe de
refle%ar las similitudes ' diferencias encontradas en la poblacin, e%emplificar las
caractersticas de la misma.
(uando decimos que una muestra es representativa indicamos que re"ne
aproximadamente las caractersticas de la poblacin que son importantes para la
investigacin.
a. &oblacin )os estadsticos usan la palabra poblacin para referirse no slo a personas
si no a todos los elementos que han sido escogidos para su estudio. b. #uestra )os
estadsticos emplean la palabra muestra para describir una porcin escogida de la
poblacin. #atemticamente, podemos describir muestras ' poblaciones al emplear
mediciones como la #edia, #ediana, la moda, la desviacin estndar. (uando *stos
t*rminos describen una muestra se denominan estadsticas. + , + -na estadstica es una
caracterstica de una muestra, los estadsticos emplean letras latinas min"sculas para
denotar estadsticas ' muestras. .. + /ipos de muestreo )os autores proponen diferentes
criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden
dividirse en dos grandes grupos$ m*todos de muestreo probabilsticos ' m*todos de
muestreo no probabilsticos.
/erminologa
&oblacin ob%eto$ con%unto de individuos de los que se quiere obtener una informacin.
-nidades de muestreo$ n"mero de elementos de la poblacin, no solapados, que se van a
estudiar. /odo miembro de la poblacin pertenecer a una ' slo una unidad de
muestreo.
-nidades de anlisis$ ob%eto o individuo del que ha' que obtener la informacin.
#arco muestral$ lista de unidades o elementos de muestreo.
#uestra$ con%unto de unidades o elementos de anlisis sacados del marco.
TIPOS MUESTREO ALEATORIO SISTEMATIZADO ESTRATEGICO
CONGLOMERADO.
Muestreo Aleatorio:
Una muestra se dice que es extrada al azar cuando la manera de seleccin es
tal, que cada elemento de la poblacin tiene igual oportunidad de ser
seleccionado. Una muestra aleatoria es tambin llamada una muestra
probabilstica son generalmente preferidas por los estadsticos porque la
seleccin de las muestras es objetiva y el error muestral puede ser medido en
trminos de probabilidad bajo la curva normal. Los tipos comunes de muestreo
aleatorio son el muestreo aleatorio simple, muestreo sistemtico, muestreo
estratificado y muestreo de conglomerados.
Muestreo Sistematizao:
Una muestra sistemtica es obtenida cuando los elementos son seleccionados
en una manera ordenada. La manera de la seleccin depende del n!mero de
elementos incluidos en la poblacin y el tama"o de la muestra. #l n!mero de
elementos en la poblacin es, primero, dividido por el n!mero deseado en la
muestra. #l cociente indicar si cada dcimo, cada onceavo, o cada centsimo
elemento en la poblacin va a ser seleccionado.
#l primer elemento de la muestra es seleccionado al azar. $or lo tanto, una
muestra sistemtica puede dar la misma precisin de estimacin acerca de la
poblacin, que una muestra aleatoria simple cuando los elementos en la
poblacin estn ordenados al azar.
Muestreo Estrat!"i#o:
$ara obtener una muestra aleatoria estratificada, primero se divide la poblacin
en grupos, llamados estratos, que son ms %omogneos que la poblacin
como un todo. Los elementos de la muestra son entonces seleccionados al
azar o por un mtodo sistemtico de cada estrato. Las estimaciones de la
poblacin, basadas en la muestra estratificada, usualmente tienen mayor
precisin &o menor error muestral' que si la poblacin entera muestreada
mediante muestreo aleatorio simple. #l n!mero de elementos seleccionado de
cada estrato puede ser proporcional o desproporcional al tama"o del estrato en
relacin con la poblacin.
Muestreo Co$"lomerao:
$ara obtener una muestra de conglomerados, primero dividir la poblacin en
grupos que son convenientes para el muestreo. #n seguida, seleccionar una
porcin de los grupos al azar o por un mtodo sistemtico. (inalmente, tomar
todos los elementos o parte de ellos al azar o por un mtodo sistemtico de los
grupos seleccionados para obtener una muestra. )ajo este mtodo, aunque no
todos los grupos son muestreados, cada grupo tiene una igual probabilidad de
ser seleccionado. $or lo tanto la muestra es aleatoria.
Una muestra de conglomerados, usualmente produce un mayor error muestral
&por lo tanto, da menor precisin de las estimaciones acerca de la poblacin'
que una muestra aleatoria simple del mismo tama"o. Los elementos
individuales dentro de cada *conglomerado* tienden usualmente a ser iguales.
$or ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente
pobre puede vivir en otra rea. +o todas las reas son muestreadas en un
muestreo de reas. La variacin entre los elementos obtenidos de las reas
seleccionadas es, por lo tanto, frecuentemente mayor que la obtenida si la
poblacin entera es muestreada mediante muestreo aleatorio simple. #sta
debilidad puede reducida cuando se incrementa el tama"o de la muestra de
rea.
#l incremento del tama"o de la muestra puede fcilmente ser %ec%o en
muestra muestra de rea. Los entrevistadores no tienen que caminar
demasiado lejos en una peque"a rea para entrevistar ms familias. $or lo
tanto, una muestra grande de rea puede ser obtenida dentro de un corto
perodo de tiempo y a bajo costo.
$or otra parte, una muestra de conglomerados puede producir la misma
precisin en la estimacin que una muestra aleatoria simple, si la variacin de
los elementos individuales dentro de cada conglomerado es tan grande como la
de la poblacin.
CONCEPTO DISTRI%UCION MUESTREO MEDIA
#l experimento consiste en seleccionar una muestra aleatoria de tama"o n a
partir de una distribucin especificada. ,ada vez que se extrae una muestra, se
calculan la media y la desviacin tpica de la misma en la tabla inferior. -e
puede elegir el tama"o de la muestra con la barra de desplazamiento. $uedes
elegir entre varias distribuciones muestrales en el men! colgante. las opciones
son la distribucin normal, gamma, binomail y $oisson &para la prctica basta
con utilizar la distribucin normal'. $ara cada distribucin, puedes variar el valor
de los parmetros relevantes con la barra de desplazamiento al efecto.
Los resultados se expresan por medio de dos grficos y cuatro tablas. #n el
grfico de la izquierda aparece en azul la distribucin de probabilidades
&terica' de los valores que pueden adoptar los elementos de la muestra. y en
rojo van apareciendo los valores reales extraidos. #l grfico de la derec%a
muestra la distribucin muestral terica de la media y los valores tericos de los
parmetros de la distribucin &media y desviacin tpica para la normal' en azul.
,uando se ejecuta la simulacin, la distribucin de frecuencias relativas
emprica de las medias de cada muestra y los estadsticos reales aparecen en
rojo. La primera tabla a la izquierda muestra los valores de la media y la
desviacin tpica para cada muestra extraida. la segunda muestra slo los
valores de estos parmetros para la !ltima muestra &cifras bajo */ata*' y los
compara con los de la distribucin normal estndar &cifras bajo */ist*'. #n la
primera tabla a la derec%a aparecen los elementos de la muestra extraidos
&,urrent sample', y en la !ltima tabla se comparan la media de todas las
medias muestrales reales y la desviacin tpica de todas las medias muestrales
&cifras bajo */ata*' con los parmetros tericos de la distribucin muestral de la
media &cifras bajo */ist*'.
,on los men!s colgantes puedes seleccionar cada cuntas muestras se
actualiza el grfico y los datos &Update freq' y cada cuntas muestras debe
parar &-top freq'. #l botn *-tep* sirve para ir paso a paso, el botn *run* para
que extraiga varias muestras a la vez &seg!n %ayas especificado el update freq
y stop freq'. el botn *-top* sirve para parar la simulacin en cualquier
momento, y el botn *0eset* para reestablecer al punto original.
DISTRI%UCION MUESTRAL DIFERENCIA ENTRE DOS MEDIAS
En muchos campos de la investigacin cientfica a menudo deseamos comparar las
medias de dos variables aleatorias, tales como el efecto de dos condiciones, tratamientos
o m*todos de produccin.
Supngase que ahora se tiene . poblaciones, la primera con media
,
' varian!a
.
,

,
segunda con media
.
' varian!a el estadstico
,
x
representa la media de una muestra
aleatoria de tama0o
,
n
seleccionada de la primera poblacin, ' que el estadstico
.
x

representa la media de una muestra aleatoria seleccionada de una segunda poblacin,
independiente de la muestra de la primera poblacin. 1 2u* puede decirse acerca de la
distribucin muestral de la diferencia
,
x
+
.
x
para muestras repetidas de tama0os
. ,
n y n
3 4e acuerdo al teorema del limite central, las variables
. ,
x y x
son
aproximadamente distribuidos en forma normal con medias
,
'
.
' variancias
.
.
.
,
.
,
n
y
n

respectivamente. Esta aproximacin me%ora conforme
. ,
n y n
se
incrementan.

(on lo anterior podemos concluir$

Si se sacan al a!ar muestras independientes de tama0o
. ,
n y n
de dos poblaciones
continuas, con medias
,
'
.
' varian!as
.
,

'
.
.

, respectivamente, entonces la
distribucin muestral de la diferencia de medias
. ,
x x
est distribuida
aproximadamente en forma normal con media ' varian!as$

. ,
. ,
=
x x
'
.
.
.
,
.
, .
. ,
n n
x x

+ =

4e aqu que,



.
.
.
,
.
,
. , . ,
) ( ) (
n n
X X
Z


+

=


es aproximadamente una variable normal estndar.

TEOREMA LIMITE CENTRAL
#l Lema e L&mite Ce$tral o Teorema Ce$tral el L&mite indica que, bajo
condiciones muy generales, la distribucin de la suma de variables aleatorias
tiende a una /istribucin +ormal &tambin llamada /istribucin 1aussiana'
cuando la cantidad de variables es muy grande.
Teorema2 -ea X
3
, X
4
, ..., X
n
una muestra aleatoria de una distribucin con
media ' y varianza (
)
. #ntonces, si $ es suficientemente grande, la variable
aleatoria
tiene aproximadamente una distribucin normal con y .
5ambin se cumple que si
tiene aproximadamente una distribucin normal con y .
,uanto ms grande sea el valor de $, mejor ser la aproximacin.
#l 5eorema del Lmite ,entral garantiza una distribucin normal cuando n es
suficientemente grande.
#xisten diferentes versiones del teorema, en funcin de las condiciones
utilizadas para asegurar la convergencia. Una de las ms simples establece
que es suficiente que las variables que se suman sean independientes,
idnticamente distribuidas, con valor esperado y varianza finitas.
La aproximacin entre las dos distribuciones es, en general, mayor en el centro
de las mismas que en sus extremos o colas, motivo por el que se prefiere el
nombre *5eorema del Lmite ,entral* &*central* califica al lmite, ms que al
teorema'.
#ste teorema, perteneciente a la 5eora de la $robabilidad, encuentra
aplicacin en muc%os campos relacionados, como la 6nferencia estadstica o la
5eora de renovacin.
Si se obtiene una muestra de una poblacin normal, entonces la media muestral tiene
una distribucin normal sin importar el tama0o de la muestra. Sin embargo, se puede
demostrar que de hecho no importa el modelo de probabilidad del cual se obtenga la
muestra5 mientras la media ' la varian!a existan, la distribucin de muestreo de 6 se
aproximar a una distribucin normal conforme n aumente. )o anterior constitu'e
uno de los ms importantes teoremas en inferencia estadstica ' se conoce como
5#70#89 /#L L6865# ,#+509L.
#n muc%os casos, puede concluirse en forma segura que la aproximacin
ser buena mientras n : ;<.

$ara mostrar la validez del teorema del limite central veamos el siguiente
ejemplo

-uponga que de una poblacin consistente en los valores <, 4, =, > y ?, se
toman muestras de tama"o 4 con remplazo.

@ (recuencia (recuencia 0elativa
< 3 3AB C .4
4 3 3AB C .4
= 3 3AB C .4
> 3 3AB C .4
? 3 3AB C .4

-olucin2

3.3. $aso
-e calcula la media poblacional, la varianza y desviacin estndar
poblacional.
N
X
n
i

C
7
8
.9
8
: ; 7 . 9
= =
+ + + +

=
n
i N
X
.
.
) (

:< . . :
:
8
79
8
) 7 : ( ) 7 ; ( ) 7 7 ( ) 7 . ( ) 7 9 (
. . . . .
.
= =
= =
+ + + +
=

4. $aso

1rfica de la distribucin de frecuencia para la poblacin



< 3 4 ; = B > D ?
<.3EB
<.4<<
<.4<B
=rfica de la &oblacin
6
>recuencia
?elativa



#sta grfica no puede considerarse acampanada o normal.

;. $aso
-e toman muestras de tama"o dos con remplazo.

8uestra
X
8uestra
X
8uestra
X
<, < < =, < 4 ?, < =
<, 4 3 =, 4 ; ?, 4 B
<, = 4 =, = = ?, = >
<, > ; =, > B ?, > D
<, ? = =, ? > ?, ? ?
4, < 3 >, < ;
4, 4 4 >, 4 =
4. = ; >, = B
4, > = >, > >
4, ? B >, ? D












=. $aso
-e agrupa a las medias mustrales en la tabla de frecuencia siguiente2

X
(
< 3
3 4
4 ;
; =
= B
B =
> ;
D 4
? 3

B. $aso
-e calcula la media poblacional de medias , la varianza de la medias y
desviacin estndar de las medias error estndar de las medias.

=
N
i
x
N
X f ) (

7
.8
,99
.8
) : ( , ) @ ( . ) ; ( < ) 8 ( 7 ) 7 ( 8 ) < ( 7 ) . ( < ) , ( . ) 9 ( ,
= =
+ + + + + + + +
=
x

=
N
i
x
x
N
X f
.
.
) (

. 7
7
.8
,99
.8
) 7 : ( , .. .......... ) 7 , ( . ) 7 9 ( ,
. . .
.
= =
= =
+ +
=
x
x

>. >. $aso
1rfica de la distribucin de frecuencia para la poblacin de medias
maestrales

< 3 4 ; = B > D ?
3
4
;
=
B
=rfica de la &oblacin
8edias muestrales
(recuencias

D. $aso
,onclusin
/e la apariencia acampanada de la distribucin de las medias, concluimos
que es razonable aproximar la distribucin muestral de
x
por una
distribucin normal, una vez que se conoce la media y la desviacin
estndar de la distribucin muestral.
DETERMINACION TAMA*O MUESTRA PO%LACION
#l tama"o de la muestra juega un papel importante para determinar la
probabilidad de error as como en la precisin de la estimacin. Una vez que se
%a seleccionado el nivel de confianza, dos factores importantes influyen en el
tama"o muestral2

3. 3. La varianza de la poblacin
.

4. 4. #l tama"o del error tolerable que el investigador est dispuesto a

aceptar.
8ientras que el primer factor est ms all del control del investigador & no %ay
nada que se pueda %acer sobre la varianza de la poblacin', s es posible
limitar el tama"o del error.

#l tama"o del error que un investigador puede tolerar depende de qu tan
crtico es el trabajo. 9lgunas tareas extremadamente delicadas requieren
resultados exactos2 los procedimientos mdicos vitales de los cuales dependen
vidas %umanas, o la produccin de piezas de una mquina que debe cumplir
medidas precisas, pueden tolerar slo un peque"o error. #n otros casos, los
errores ms grandes pueden tener consecuencias menos graves.


5989F7 /# L9 8U#-509 $909 #-56890

Gale la pena recordar que H puede expresarse como

n
x
Z

=


#sto puede reescribirse algebraicamente como

.
. .
) (

=
x
Z
n

en donde la diferencia entre la media muestral y la media poblacional &
) x

es el error.
#l valor de H depende del nivel de confianza requerido. #sto deja por
determinar slo
.

para calcular el tama"o muestral apropiado. #n caso de

que la
.

sea desconocida, puede estimarse mediante la desviacin estndar

muestral &s', utilizando una muestra piloto de cualquier tama"o razonable
&
n
;<'. La varianza calculada de esta muestra preliminar puede entonces
utilizarse en la frmula.
#l tama"o de la muestra juega un papel importante para determinar la
probabilidad de error as como en la precisin de la estimacin. Una vez que se
%a seleccionado el nivel de confianza, dos factores importantes influyen en el
tama"o muestral2
3. La varianza de la poblacin
4. #l tama"o del error tolerable que el investigador est dispuesto a aceptar.
8ientras que el primer factor est ms all del control del investigador & no %ay
nada que se pueda %acer sobre la varianza de la poblacin', s es posible
limitar el tama"o del error.
#l tama"o del error que un investigador puede tolerar depende de qu tan
crtico es el trabajo. 9lgunas tareas extremadamente delicadas requieren
resultados exactos2 los procedimientos mdicos vitales de los cuales dependen
vidas %umanas, o la produccin de piezas de una mquina que debe cumplir
medidas precisas, pueden tolerar slo un peque"o error. #n otros casos, los
errores ms grandes pueden tener consecuencias menos graves.
5989F7 /# L9 8U#-509 $909 #-56890
Gale la pena recordar que H puede expresarse como
#sto puede reescribirse algebraicamente como
en donde la diferencia entre la media muestral y la media poblacional & es el
error.
#l valor de H depende del nivel de confianza requerido. #sto deja por
determinar slo para calcular el tama"o muestral apropiado. #n caso de que la
sea desconocida, puede estimarse mediante la desviacin estndar muestral
&s', utilizando una muestra piloto de cualquier tama"o razonable & ;<'. La
varianza calculada de esta muestra preliminar puede entonces utilizarse en la
frmula
INTER+ALOS DE CONFIANZA PARA MEDIA, CON EL USO DE LA
DISTRI%UCION NORMAL - .T/
#n las unidades anteriores se manej el uso de la distribucin z, la cual se
poda utilizar siempre y cuando los tama"os de las muestras fueran mayores o
iguales a ;< en muestras ms peque"as si la distribucin o las distribuciones
de donde proviene la muestra o las muestras son normales.
#n esta unidad se podrn utilizar muestras peque"as siempre y cuando la
distribucin de donde proviene la muestra tenga un comportamiento normal.
#sta es una condicin para utilizar las tres distribuciones que se manejarn en
esta unidad. t de student, @
4
jiIcuadrada y (is%er.
9 la teora de peque"as muestras tambin se le llama teora exacta del
muestreo, ya que tambin la podemos utilizar con muestras aleatorias de
tama"o grande.
#n esta unidad se ver un nuevo concepto necesario para poder utilizar a las
tres distribuciones mencionadas. #ste concepto es *grados de libertad".
$ara definir grados de libertad se %ar referencia a la varianza muestral2
#sta frmula est basada en n-1 grados de libertad &degrees of freedom'.
#sta terminologa resulta del %ec%o de que si bien s
4
est basada en n
cantidades . . . , stas suman cero, as que especificar los
valores de cualquier n-1 de las cantidades determina el valor restante. $or
ejemplo, si n=4 y
. y , entonces automticamente tenemos
, as que slo tres de los cuatro valores de estn libremen te
determinamos ; grados de libertad.
#ntonces, en esta unidad la frmula de grados de libertad ser n-1 y su
simbologa
DISTRI%UCION 0t DE STUDENT0
-upngase que se toma una muestra de una poblacin normal con media y
varianza JK-i es el promedio de las n observaciones que contiene la
muestra aleatoria, entonces la distribucin es una distribucin
normal estndar. -upngase que la varianza de la poblacin

Kes
desconocida. LMu sucede con la distribucin de esta estadstica si se
reemplaza por sN La distribucin t proporciona la respuesta a esta pregunta.
La media y la varianza de la distribucin t son KO y para :4,
respectivamente.
La siguiente figura presenta la grfica de varias distribuciones t. La apariencia
general de la distribucin t es similar a la de la distribucin normal estndar2
ambas son simtricas y unimodales, y el valor mximo de la ordenada se
alcanza en la media KOJ -in embargo, la distribucin t tiene colas ms amplias
que la normal. esto es, la probabilidad de las colas es mayor que en la
distribucin normal. 9 medida que el n!mero de grados de libertad tiende a
infinito, la forma lmite de la distribucin t es la distribucin normal estndar.

Pro1ieaes e las istri2u#io$es t
3. ,ada curva t tiene forma de campana con centro en <.
4. ,ada curva t, est ms dispersa que la curva normal estndar z.
;. 9 medida que aumenta, la dispersin de la curva t correspondiente
disminuye.
=. 9 medida que , la secuencia de curvas t se aproxima a la curva
normal estndar, por lo que la curva z recibe a veces el nombre de curva
t con gl C
La distribucin de la variable aleatoria t est dada por2
#sta se conoce como la istri2u#i3$ t con grados de libertad.
-ean @
3
, @
4
, . . . , @
n
variables aleatorias independientes que son todas
normales con media y desviacin estndar . #ntonces la variable aleatoria
tiene una distribucin t con C nI3 grados de libertad.
La distribucin de probabilidad de t se public por primera vez en 3E<? en un
artculo de P. -. 1osset. #n esa poca, 1osset era empleado de una
cervecera irlandesa que desaprobaba la publicacin de investigaciones de sus
empleados. $ara evadir esta pro%ibicin, public su trabajo en secreto bajo el
nombre de *-tudent*. #n consecuencia, la distribucin t normalmente se llama
distribucin t de Student, o simplemente distribucin t. $ara derivar la ecuacin
de esta distribucin, 1osset supone que las muestras se seleccionan de una
poblacin normal. 9unque esto parecera una suposicin muy restrictiva, se
puede mostrar que las poblaciones no normales que poseen distribuciones en
forma casi de campana a!n proporcionan valores de t que se aproximan muy
de cerca a la distribucin t.
La distribucin t difiere de la de H en que la varianza de t depende del tama"o
de la muestra y siempre es mayor a uno. Unicamente cuando el tama"o de la
muestra tiende a infinito las dos distribuciones sern las mismas.
-e acostumbra representar con el valor t por arriba del cual se encuentra
un rea igual a . ,omo la distribucin t es simtrica alrededor de una media
de cero, tenemos . es decir, el valor t que deja un rea de
a la derec%a y por tanto un rea de a la izquierda, es igual al valor t
negativo que deja un rea de en la cola derec%a de la distribucin. #sto es,
t
<.EB
C It
<.<B
, t
<.EE
CIt
<.<3
, etc.
$ara encontrar los valores de t se utilizar la tabla de valores crticos de la
distribucin t del libro $robabilidad y #stadstica para 6ngenieros de los autores
Palpole, 8yers y 8yers.
#jemplo2
#l valor t con C 3= grados de libertad que deja un rea de <.<4B a la
izquierda, y por tanto un rea de <.EDB a la derec%a, es
t
<.EDB
CIt
<.<4B
C I4.3=B
-i se observa la tabla, el rea sombreada de la curva es de la cola derec%a, es
por esto que se tiene que %acer la resta de . La manera de encontrar el
valor de t es buscar el valor de en el primer rengln de la tabla y luego
buscar los grados de libertad en la primer columna y donde se intercepten y
se obtendr el valor de t.
#jemplo2
#ncuentre la probabilidad de Qt
<.<4B
R t R t
<.<B.
-olucin2
,omo t
<.<B
deja un rea de <.<B a la derec%a, y Qt
<.<4B
deja un rea de <.<4B a la
izquierda, encontramos un rea total de 3I<.<BI<.<4B C <.E4B.
$& Qt
<.<4B
R t R t
<.<B
' C <.E4B
#jemplo2
#ncuentre S tal que $&S R t R I3.D>3' C <.<=B, para una muestra aleatoria de
tama"o 3B que se selecciona de una distribucin normal.
-olucin2
-i se busca en la tabla el valor de t C3.D>3 con 3= grados de libertad nos
damos cuenta que a este valor le corresponde un rea de <.<B a la izquierda,
por ser negativo el valor. #ntonces si se resta <.<B y <.<=B se tiene un valor de
<.<<B, que equivale a JKLuego se busca el valor de <.<<B en el primer rengln
con 3= grados de libertad y se obtiene un valor de t C 4.EDD, pero como el valor
de est en el extremo izquierdo de la curva entonces la respuesta es t C
I4.EDD por lo tanto2
$&I4.EDD R t R I3.D>3' C <.<=B
#jemplo2
Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto
proceso en lotes es B<< gramos por milmetro de materia prima. $ara verificar
esta afirmacin toma una muestra de 4B lotes cada mes. -i el valor de t
calculado cae entre Qt
<.<B
y t
<.<B
, queda satisfec%o con su afirmacin. LMu
conclusin extraera de una muestra que tiene una media de B3? gramos por
milmetro y una desviacin estndar de =< gramosN -uponga que la
distribucin de rendimientos es aproximadamente normal.
Solucin:
/e la tabla encontramos que t
<.<B
para 4= grados de libertad es de 3.D33. $or
tanto, el fabricante queda satisfec%o con esta afirmacin si una muestra de 4B
lotes rinde un valor t entre Q3.D33 y 3.D33.
-e procede a calcular el valor de t2
#ste es un valor muy por arriba de 3.D33. -i se desea obtener la probabilidad
de obtener un valor de t con 4= grados de libertad igual o mayor a 4.4B se
busca en la tabla y es aproximadamente de <.<4. /e aqu que es probable que
el fabricante concluya que el proceso produce un mejor producto del que
piensa.