Professional Documents
Culture Documents
Poblacin Infinita
Poblacin uniforme
Proceso de investigacin destructiva
Economa de costos
Calidad
Muestras al azar. Nmeros aleatorios
Las poblaciones pueden ser finitas o infinitas. Si, por ejemplo, se extraen sucesivamente
10 bolas sin remplazamiento de una urna que contiene 100, se est tomando una
muestra de una poblacin finita, mientras que si se lanza al aire una moneda 50 veces,
anotndose el nmero de caras, se est muestreando en una poblacin infinita.
=8.25
1. Extraemos todas las posibles muestras. Supongamos
n=2 (100 muestras).
2. Calculamos la media para cada una de esas muestras
x
3. Listar los valores diferentes del estadstico y sus
frecuencias.
Calculamos la media de la distribucin
muestral con reemplazamiento
=
Calculando la varianza de la distribucin muestral:
Distribuciones Muestrales
Cuando el muestreo se extrae de una poblacin
distribuida normalmente, la distribucin muestral de la
media muestral tiene las siguientes propiedades:
La distribucin de la media es normal,
independientemente del tamao de la muestra.
La Media de la distribucin de las medias es igual a la
media de la poblacin.
La varianza de la distribucin de las medias es igual a la
varianza de la poblacin, dividida entre n.
Teorema del Lmite Central
Dada una poblacin con media y varianza finita 2, con
cualquier distribucin, la distribucin muestral de la
media, calculada de muestras aleatorias de tamao n,
est distribuida normalmente con media y varianza
finita 2/n, cuando n es grande. La regla de oro dice que
n30.
Ejemplo:
La vida promedio de cierta herramienta es de 41.5 horas,
con una desviacin estndar de 2.5 horas. Cul es la
probabilidad de que una muestra aleatoria de tamao 50
extrada de esta poblacin tenga una media entre 40.5 y
42 horas?
DISTRIBUCIN MUESTRAL PARA LA
DIFERENCIA DE MEDIAS (X1 X2 ).-
A veces interesa hacer inferencias sobre la diferencia
poblacional de medias 1 y 2, o saber si es razonable
concluir que dos medias poblacionales no son iguales,
considerando que se tienen sendas muestras para las
poblaciones 1 y 2, respectivamente, donde:
Entonces, la diferencia de las medias muestrales X1 X2 ,
estima a 1 y 2 . La forma funcional de la distribucin muestral
de X1 X2 depende de la forma funcional de las poblaciones,
de donde se extraen las muestras tomando en cuenta:
Si ambas poblaciones son normales la distribucin muestral de
la diferencia de medias es normal.
Si una o ambas de las poblaciones no es normal, la
distribucin muestral de las diferencias de medias X1 X2 es
normal si n1 + n2 2 >30 (grandes muestras), este resultado
se deduce del teorema del lmite central
En
estos casos, los parmetros que definen esta
distribucin muestral de las diferencias de medias vienen
dados por:
- 2
donde:
Los valores que se suelen utilizar para el nivel de confianza son el 90%, 95% y 99%
1. Intervalo de confianza para medias con n
30 (grandes muestras):
2. Intervalo de confianza para medias con n < 30 (pequeas
muestras):
Contrastes de Hiptesis
Intervalo de confianza para una
proporcin
El intervalo de confianza para estimar una proporcin p,
conocida como una proporcin muestral pn de una
muestra de tamao n, a un nivel de confianza del (1-
)100% es:
Ejemplo 1.
Seis de cada diez familias de cierta ciudad poseen
ordenador. Halla el intervalo caracterstico para la
proporcin de familias con ordenador, en muestras de 35
familias de esa ciudad, correspondiente al 90%.
Solucin:
La proporcin de familias con ordenador, en muestras de
35, se distribuye segn una normal
Contraste de hiptesis para la proporcin
Ejemplo 2.
En una muestra de 250 personas en edad laboral de una
zona determinada se encuentra que el 14% esta en paro.
Los datos recogidos por el INEI para el ao anterior,
fueron de una tasa de paro del 10%. Puede asumirse la
hiptesis de estabilidad de la tasa de paro?. Contraste la
hiptesis de mantenimiento de la tasa en el 10%, dada
por la Administracin a un nivel de significancia del 5%.
PRACTICA CALIFICADA CONTRASTES
DE HIPOTESIS.
Intervalo de confianza para diferencias de medias