DISTRIBUCIONES MUESTRALES La inferencia estadstica trata bsicamente con generalizaciones y predicciones.

Por ejemplo, podemos afirmar, con base a opiniones de varias personas entrevistadas en San Gil, que en las prximas elecciones municipales el 52% de los electores votar por el candidato A. En este caso tratamos con una muestra aleatoria de opiniones de una poblacin finita muy grande. Podemos afirmar que el costo promedio para construir una pis cina est entre 4 y 4.5 millones de pesos, con base en las estimaciones de tres contratistas seleccionados al azar de 30 que construyen piscinas residenciales actualmente. La poblacin que ser muestreada aqu es finita pero muy pequea. Por otro lado, un funcionario de cierta compaa calcula la media de 40 bebidas y obtiene 236 c.c., y con base en este valor decide que la mquina an sirve bebidas con un contenido promedio de =240 c.c. Las 40 bebidas representan una muestra de la poblacin infinita de posibles bebidas que esta mquina servir. En cada uno de estos ejemplos calculamos una estadstica a partir de una muestra seleccionada de la poblacin, y de estas estadsticas hacemos varias afirmaciones con respecto a los valores de los parmetros de la poblacin que pueden ser ciertos o no. El funcionario de la compaa toma la decisin de que la mquina despachadora sirve bebidas con un contenido promedio de 240 c.c. aunque la media de la muestra fue 236 c.c., porque sabe de la teora de muestreo que es probable que ocurra tal valor de la muestra. De hecho si realiza pruebas similares, digamos cada hora, esperara que los valores del promedio estn por arriba y por debajo de =240 c.c. Solamente cuando el promedio es considerablemente distinto de 240 c.c. el funcionario de la compaa iniciara una accin para ajustar la mquina. La distribucin de probabilidad de una estadstica se llama distribucin muestral. Recordemos algunos estadsticos: Si X1, X2, , Xn representa una muestra aleatoria (m.a.s) de tamao n, entonces la media de la muestra se define mediante el estadstico:

Si X1, X2, , Xn representa una m.a.s de tamao n, entonces la varianza de la muestra se define con el estadstico

La desviacin estndar de la muestra, que se denota por S, es la raz cuadrada positiva de la varianza de la muestra. La distribucin muestral de un estadstico depende del tamao de la poblacin, el tamao de las muestras y el mtodo de eleccin de las muestras. Se deben estudiar las distribuciones muestrales de los estadsticos como el mecanismo a partir del cual haremos finalmente inferencias de los parmetros y 2. La distribucin muestral del estadstico con tamao muestral n es la distribucin que resulta cuando un experimento se lleva a cabo una y otra vez (siempre con tamao muestral n) y resultan los diversos valores de la . Esta distribucin muestral, entonces, describe la variabilidad de los promedios muestrales alrededor de la media poblacional . Se aplica el mismo principio en el caso de la distribucin de S 2. La distribucin muestral produce informacin acerca de la variabilidad de los valores de s 2 alrededor de 2 en experimentos que se repiten.

La primera distribucin muestral importante a considerar es la de la media muestral . Supongamos que una m.a.s de n observaciones se toma de una poblacin normal con media y desviacin estndar . Cada observacin de la m.a.s tendr entonces la misma distribucin normal que la poblacin que se muestrea. Teorema del Lmite Central.

Teorema del Lmite Central. Si es la media de una m.a.s de tamao n tomada de una poblacin con media y desviacin estndar , entonces la forma lmite de la distribucin de

Ejemplo: Una empresa elctrica fabrica lmparas que tienen una duracin que se distribuye aproximadamente en forma normal, con media de 800 horas y desviacin estndar de 40 horas. Calcular la probabilidad de que una m.a.s de 16 lmparas tenga una vida media de menos de 775 horas. La distribucin muestral de ser aproximadamente normal con media 800 y desviacin estndar . La probabilidad que se desea est dada por Los datos conocidos =775 =800 =40 n=16 Z= 775-800/(40/ )

P(

<775) = P (Z < - 2.5) = 1- P (Z > -2.5) = 1 - 0,9938 = 0.0062

Es decir, la probabilidad de que de las 16 lmparas tenga una media menor a 775 es del 0.62%

Entonces s , es la distribucin normal estndar. La aproximacin normal para por lo general ser buena si n>=30 sin importar la forma de la poblacin. Si n<30, la aproximacin es buena solamente si la poblacin no es muy diferente de una distribucin normal y si se sabe que la poblacin es normal, la distribucin muestral de seguir una distribucin normal exacta, no importa que tan pequeo sea el tamao de las muestras. Si una poblacin tiene media y desviacin tpica , y tomamos muestras de tamao n (n>30, o cualquier tamao si la poblacin es "normal"), las medias de estas muestras siguen aproximadamente la distribucin.

El Teorema Central del Lmite dice que si tenemos un grupo numeroso de variables independientes y todas ellas siguen el mismo modelo de distribucin (cualquiera que ste sea), la suma de ellas se distribuye segn una distribucin normal.

Ejemplo: la variable "tirar una moneda al aire" sigue la distribucin de Bernouilli. Si lanzamos la moneda al aire 50 veces, la suma de estas 50 variables (cada una independiente entre s) se distribuye segn una distribucin normal. Este teorema se aplica tanto a suma de variables discretas como de variables continuas. Los parmetros de la distribucin normal son: Media: n * (media de la variable individual multiplicada por el nmero de variables independientes) Varianza: n * s2 (varianza de la variable individual multiplicada por el nmero de variables individuales) Ejemplo: Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale cruz el valor 0. Cada lanzamiento es una variable independiente que se distribuye segn el modelo de Bernouilli, con media 0,5 y varianza 0,25. Calcular la probabilidad de que en estos 100 lanzamientos salga ms de 60 caras. La variable suma de estas 100 variables independientes se distribuye, por tanto, segn una distribucin normal. Media = 100*0,5 = 50 Varianza =100* 0,25 = 25 Para ver la probabilidad de que salgan ms de 60 caras calculamos la variable normal tipificada equivalente:

5 es la raz cuadrada de 25, o sea la desviacin tpica de esta distribucin Por lo tanto:

P (X > 60) = P (Z > 2,0) = 1- P (Z < 2,0) = 1 - 0,9772 = 0,0228 Es decir, la probabilidad de que al tirar 100 veces la moneda salga ms de 60 caras es tan slo del 2,28%

Distribucin Muestral Como se ha sealado anteriormente, el propsito del muestreo es averiguar las caractersticas de la poblacin en estudio, y cuando se disea una muestra por uno de los modelos dados. Una distribucin muestra es una distribucin de probabilidad de un estadstico, calculado a partir de una muestra aleatoria de tamao n, elegida de manera aleatoria de una poblacin determinada, es decir, se est interesado en conocer una o ms de las siguientes caractersticas: La forma funcional. La media La desviacin estndar Distribucin Muestral de la Media Los estadsticos obtenidos en una muestra son variables aleatorias, por lo cual deben tener una distribucin de probabilidad, as que la media muestral tiene una distribucin. Supongamos que se tiene una muestra aleatoria de tamao n observaciones, tomada de una poblacin normal N (,2) cada observacin X1 = 1, 2, 3, , n tendr la misma distribucin que la poblacin de donde fue tomada la muestra.

Sea la media de la muestra aleatoria de tamao n, proveniente de una poblacin infinita con media y varianza 2 . Entonces:

Donde poblacional.

Valor esperado de la media muestral es la media

Donde La varianza del estimador es igual a la varianza poblacional dividida por el tamao de la muestra. El caso anterior es dado para cuando la poblacin es infinita, pero se pueden presentar los casos donde se conoce la poblacin; es decir, es finita. En estos casos se tiene el siguiente teorema.

Sea la media de la muestra aleatoria de tamao n, proveniente de una poblacin finita de tamao N con media y varianza 2 . y Entonces:

Se conoce como el factor de correccin para poblaciones finitas. Cuando N es muy grande comparado con n, la diferencia se hace despreciable lo que origina que para poblaciones infinitas dicho factor de correccin se hace uno.

Ejemplo: Un Colegio tiene siete profesores, la retribucin por hora ctedra es la que se muestra a continuacin: Salario profesores Profesor 1 2 3 4 5 6 7 Salario $ 7.000 7.000 8.000 8.000 7.000 8.000 9.000

Cul es la media de la poblacin? Se sabe por los conocimientos de estadstica descriptiva que:

Para i = 1, 2, , 7

Entonces:

Cul ser la varianza de dicha poblacin?

Entonces:

Cul es la distribucin muestral de las medias para muestras de tamao Dos?

Para determinar la distribucin muestral de las medias, se seleccionaron todas las muestras posibles de tamao 2, sabiendo que son sin reemplazamiento y que no interesa el orden de seleccin en la poblacin. Se calculan las medias de cada muestra y se calcula la media de las medias maestrales. Para saber cuntas muestras posibles se pueden tomar, se utiliza la combinatoria, por los preceptos tomados: Sin repeticin y no importa el orden.

Hallar distribucin de probabilidad para el muestreo de medias

El valor de 21, es el nmero de muestras tamao 2 que se pueden formar de una poblacin de 7 elementos. A continuacin se indican las 21 muestras posibles y el valor de la media para cada una de las muestras:
Muestra 1 2 3 4 5 6 7 8 9 10 11 Prof. 1y2 1y3 1y4 1y5 1y6 1y7 2y3 2y4 2y5 2y6 2y7 Salario 7000-7000 7000-8000 7000-8000 7000-7000 7000-8000 7000-9000 7000-8000 7000-8000 7000-7000 7000-8000 7000-9000 Media 7000 7500 7500 7000 7500 8000 7500 7500 7000 7500 8000 Muestra 12 13 14 15 16 17 18 19 20 21 Prof. 3y4 3y5 3y6 3y7 4y5 4y6 4y7 5y6 5y7 6y7 Salario 8000-8000 8000-7000 8000-8000 8000-9000 8000-7000 8000-8000 8000-9000 7000-8000 7000-9000 8000-9000
Suma Total

Media 8000 7500 8000 8500 7500 8000 8500 7500 8000 8500
162.000

Hallar la probabilidad para el muestreo de medias En el cuadro siguiente se indica la distribucin de probabilidad para el muestreo de medias, donde la sumatoria de todas las probabilidades es igual a uno: Distribucin de probabilidad Media muestral Nmero de medias Probabilidad
7000 7500 8000 8500 Suma 3 9 6 3 21 0.1429 0.4285 0.2857 0.1429 1

Cul es la media de la distribucin Muestral? La media de la distribucin muestral de medias, se determina sumando las diferentes medias muestrales y dividiendo la suma entre el nmero de muestras. La media de todas las medias muestrales en general se expresa:

A partir de los datos:

Segn lo obtenido podemos concluir: La media de la poblacin es igual a la media de las medias muestrales. Estas caractersticas se analizan en el siguiente apartado.