Professional Documents
Culture Documents
Por lo tanto
PROPIEDADES DE LA DISTRIBUCIÓN NORMAL
Muestras (0,0) (0,2) (0,4) (2,0) (2,2) (2,4) (4,0) (4,2) (4,4)
𝒙 0 1 2 1 2 3 2 3 2
Del ejemplo de población anterior
0+2+4 0−2 2 + 2−2 2 + 4−2 2 8
•𝜇= =2𝑦 𝜎2 = =
3 3 3
Muestras (0,0) (0,2) (0,4) (2,0) (2,2) (2,4) (4,0) (4,2) (4,4)
𝒙 0 1 2 1 2 3 2 3 2
Muestreo con 𝜎2 𝜎2
remplazo 𝜎 2𝑋 = 𝜎 2𝑋 =
𝑛 𝑛
2 𝜎 2 𝑁−𝑛
La varianza 𝜎𝑋 de la distribución muestral de es igual a 𝑛 𝑁−1
𝑛
El factor de corrección puede omitir si 𝑁 ≤ 0,05
Distribución muestral de la media: caso para muestras grandes
𝑋 − 𝜇𝑋
𝑍=
𝜎 2𝑋
Z tiene distribución normal estándar con media 0 y varianza 1.
Cuando 𝜎 es desconocida y el tamaño de la muestra es mayor a 30 se
usa la desviación muestral S como una estimación de 𝜎.
• Supongamos que el incremento % de los salarios de los funcionarios de
todas las corporaciones medianas se distribuye siguiendo una normal con
media de 12,2% y desviación típica de 3,6%. Si se toma una muestra
aleatoria de nueve observaciones de esta población según los incrementos
porcentuales de salario ¿Cuál es la probabilidad de que la media muestral
sea mayor que el 10%?
1. Datos del problema
Población:
Unidad experimental:
Estadístico:
2. Verificar supuestos
3. Conclusión
4. Formulas
5. Cálculos
Conclusión final
• Una empresa emplea 1500 personas. La cantidad promedio gastada,
durante un año determinado, en servicios médicos personales por
empleado fue de 2575 dólares y la desviación típica de 525 dólares ¿Cuál
es la probabilidad de que una muestra aleatoria de 100 empleados
(seleccionados sin remplazo) arroje una media comprendida entre 2500 y
2700 dólares?
• Datos del problema
1. Población
2. Unidad experimental
3. Estadístico
4. Verificar supuestos
5. Conclusión
6. Cálculos
7. Conclusión final
Caso para muestras pequeñas
• Cuando la población es normal con varianza poblacional desconocida
y muestras pequeñas n≤ 30, entonces la distribución muestral de la
media muestral no es la normal. En este caso, juega un rol muy
importante una distribución continua llamada distribución t de
student.
𝑥−𝜇
𝑡= 𝑠
𝑛
Para buscar en la tabla el área bajo la curva o la probabilidad hacemos
lo siguiente:
g (n-1) y en esa fila ubicamos el valor de alfa que nos aparece arriba
En la primera fila, la tabla nos da la probabilidad de que z este por
encima a un valor determinado de t
• Supongamos que de una población normal con media 20 se toma una
muestra de tamaño 16. si la desviación estándar muestral es 4,
encuentre la probabilidad de que la media muestral sea estrictamente
mayor que 21,753.
• Datos del problema
1. Población
2. Unidad experimental
3. Estadístico
4. Verificar supuestos
5. Conclusión
6. Cálculos
7. Conclusión final
RECORDEMOS
• Cuando repetimos n veces un experimento con probabilidad de éxito p,
entonces la variable aleatoria x(numero de éxitos en las n repeticiones ) tiene
distribución binomial con parámetros np. 𝑋~β (𝑛, 𝑝)
• Por ejemplo si lanzamos una moneda 10 veces y nos interesa conocer el
numero de caras en esos 10 lanzamientos, la variable aleatoria numero de
caras 𝑿~𝜷 (𝟏𝟎, 𝟎. 𝟓).
• Sin embargo existen muchos experimentos en los que desconocemos el
parámetro p, por ejemplo la proporción del electorado que esta a favor de
algún candidato.
• Para estos casos basaremos nuestra inferencia del parámetro p(proporción
de éxitos) en una muestra tomada de la población de interés.
DEFINICIÓN DE PROPORCIÓN MUESTRAL
• Sea x un numero de éxitos en una muestra binomial de n
observaciones donde la probabilidad de éxitos es p, entonces la
𝑥
proporción de éxitos en la muestra es 𝑝 = 𝑛 .
• n=250
• P=0,30
• Me piden calcula: p(0,25 ≤ 𝑝 ≤0,35)