Distribuciones muestrales

Rosario Collatn Chicana

Universidad Nacional Mayor de San Marcos

Contenido
Distribuciones muestrales Distribucin muestral de medias

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

Conceptos para recordar

Estadstico de la muestra: es una caracterstica de la muestra Estimado puntual: un valor numrico nico que se usa como estimado de un parmetro poblacional El error estndar es la discrepancia natural, o cantidad de error, entre un estadstico muestral y su correspondiente parmetro poblacional. (desviacin estndar de un estimador puntual)
UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 3

Distribucin muestral
Definicin: es una distribucin de estadsticos obtenidos seleccionando todas las muestras posibles de un tamao especfico de una poblacin. Utilidad de las distribuciones muestrales: permite hacer afirmaciones probabilsticas acerca de lo cercano que se encuentre la caracterstica de la muestra de la caracterstica de una poblacin (ej. x y )
UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 4

Distribucin muestral de medias

Es la coleccin de medias muestrales para todas las muestras aleatorias posible de un tamao particular (n) que puede ser obtenida de una poblacin

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

Ejemplo: caractersticas de la poblacin

(Anderson et al. 1999)

Poblacin: 2500 gerentes Sueldo anual promedio: 51800 dlares Desviacin estndar del salario: 4000 Proporcin de la poblacin de gerentes que particip en el programa de adiestramiento gerencial de la empresa: 0.60

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

Salario anual para UNA MUESTRA aleatoria simple de 30 gerentes

Media del salario

x=xi/n

x= 1554.420/30= 51814

Desviacin estandar del salario

s= (xi-x)2 n-1
325009260 29

s=

s = 3347.72
Fuente: Anderson et al., 1999: 256 (parcial)

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

Distribucin muestral
Distintos resultados para cada muestra aleatoria

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

Observacin
En el ejemplo, las 500 muestras ilustran la posibilidad de tener muchas muestras distintas que generan diversos valores para los estadsticos de la muestra En la prctica se selecciona una sola muestra aleatoria simple de la poblacin

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

Fuente: Anderson et al. 1999: 261

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 10

Caractersticas de la distribucin muestral de las medias de la muestra

1. Valor esperado de x 2. Desviacin estndar de x o error estndar de la media 3. Forma de su distribucin

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

11

1. Valor esperado de x
Como son posibles muchos valores distintos de la variable aleatoria x, nos interesa la media de todos los valores posibles de x que se pueden generar mediante diversas muestras aleatorias simples, esa media es: el valor esperado de x E(x) = =51800 dlares E(x)=51800 dlares

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

12

2. Desviacin estndar de x o error estndar de la media

Poblacin finita: x= N-n/N-1 (/n)
Donde: (N-n/N-1) : es un factor de correccin y es cercano a 1

Poblacin infinita: x=/n usar esta frmula cuando:

La poblacin sea infinita La poblacin sea finita y el tamao de la muestra menor o igual que el 5% del tamao de la poblacin, esto es n/N 0.05

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

13

En el ejemplo: clculo de la desviacin estndar de la muestra o error estndar =4000 Poblacin finita N=2500 Tamao de la muestra 30 n/N30/2500= 0.012, aplicar la frmula x=/n ya que 0.012 es menor que 0.05 x=4000/30=730.30 error estndar
UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 14

3. Forma de las distribuciones muestrales de media Teorema del lmite central

Al seleccionar muestras aleatorias simples de tamao n de una poblacin, la distribucin muestral de la media de la muestra x se puede aproximar con una distribucin normal de probabilidades, cuando el tamao de la muestra es grande teorema del lmite central En el grfico se ve que cada poblacin no es normal, pero cambian la distribucin muestral de x cuando aumenta el tamao de la muestra De qu tamao debe ser la muestra para poder suponer que se aplica el teorema del lmite central? Si la distribucin de la poblacin tiene forma de colina y es simtrica, con muestras de tamao 5 a 10 se puede aplicar el teorema del lmite central Si la distribucin poblacional es muy asimtrica se necesitan tamaos mayores de muestra Tamao de la muestra para aproximar la distribucin muestral de x a una distribucin normal de probabilidades : 30 o ms.

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

15

Fuente: Anderson et al., 1999: 266

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 16

Ejemplo
Muestra aleatoria simple=30 gerentes, E(x)=51800 x= 730.30 4000/30 El teorema del lmite central nos permite decir que la distribucin muestral de x es aproximadamente normal Cul es la probabilidad de que la media de la muestra que obtengamos de una muestra aleatoria simple de 30 gerentes est dentro del intervalo de 500 dlares alrededor de la media de la poblacin?
UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 17

Solucin
Como la distribucin es normal, con media 51800 y error estndar 730.30 usamos la tabla de distribucin normal estndar de probabilidades para determinar el Buscar en rea o probabilidad. la tabla Cuando x= (51800-500) 51300 entonces: z=(51300-51800)/730.30= -0.68 Probabilidad 0.2483 Cuando x= (51800+500) 52300 entonces: z=(52300-51800)/730.30= 0.68 Probabilidad 0.7517 Probabilidad de que la media de la muestra est entre 51300 y 52300 (0.7517 0.2483) = 0.5034
UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 18

Valores z

Probabilidades

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

19

Valor prctico de la distribucin muestral de x

Al seleccionar una muestra aleatoria simple y calcular la media de la muestra para estimar la media de la de la poblacin no se espera que ambas sean exactamente iguales El valor absoluto de la diferencia entre la media de la muestra y la de la poblacin es [x - ] y se llama error muestral Razn prctica por la que nos interesa la distribucin muestral de x es que la podemos usar para determinar informacin probabilstica acerca del tamao del error muestral
UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 20

Relacin entre el tamao de la muestra y la distribucin muestral de x

Intuitivamente muestra ms grande mejores estimaciones Muestra aleatoria de 100 gerentes en lugar de 30 Examinar el grado de mejora: examen de la relacin entre el tamao de la muestra y la distribucin muestral de x Independientemente del tamao de la muestra el valor esperado es igual pero como el error estndar de la muestra se relaciona con raz cuadrada del tamao de la muestra siempre que aumenta el tamao de la muestra, disminuye el error estndar de la media con 30 = 730.30 con 100= 400 z=(51300-51800)/400=-1.25 0.1056 z=(52300-51800)/400=1.25 0.8944 0.8944-0.1056=0.7888 probabilidad de obtener una media de la muestra dentro de un margen de 500 dlares respecto a la media de la poblacin
UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn 21

Importante
Cuando se aumenta el tamao de la muestra, disminuye el error estndar de la media No siempre se conoce la media y la desviacin estndar de la poblacin

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

22

Propiedades de los estimadores puntuales

Antes de emplear un estadstico de muestra como estimador puntual comprobar si tiene ciertas propiedades asociadas con los buenos estimadores puntuales:
Insesgo. Si el valor esperado del estadstico de muestra es igual al parmetro poblacional que se estima se dice que ese estadstico es un estimador insesgado del parmetro poblacional (p. 279) Eficiencia relativa. Dados dos estimadores puntuales insesgados del mismo parmetro poblacional, el que tenga la menor varianza es el que tiene mayor eficiencia relativa que otro (p.
285)

Consistencia: un estimador puntual es consistente si sus valores tienden a acercarse al parmetro de poblacin conforme se incrementa el tamao de la muestra (p. 281)

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

23

Bibliografa
Anderson, D. R., Sweeney, D. J. & Williams, T. A. (1999). Estadstica para administracin y economa. 7ma edicin, International Thomson editores, pp. 247-290

UNMSM-Fac. CCSS 2013-1 Prof. Rosario Collatn

24