Professional Documents
Culture Documents
x
Parmetro
Estadstica
s
Parmetro
Estadistica
Media y Desviacion estandar
x
Centro
s
Dispersin
(Variabilidad)
5
Media y desviacion estandar
25 15 5
25 15 5
Mayor
dispersin
Menor dispersin
Media de un conjunto de datos.
10 12 13
14
15
16
17 18
20
Media
15
10
20 18 ... 13 12 10
=
+ + + + +
= x
20 15 10
20 15 10
Muestra
aleatoria
Poblacin
6
Varianza y desviacion estandar.
10 12 13
14
15 15
16
17 18
20
Media
20 15 10
20 15 10
Poblacin
2
( ) ( ) ( )
6 . 8
1 10
15 20 ... 15 12 15 10
2 2 2
2
=
+ +
= s
Varianza
Varianza y desviacion estandar.
( ) ( ) ( )
1
...
2 2
2
2
1
2
+ +
=
n
x x x x x x
s
n
( ) ( ) ( )
1
...
2 2
2
2
1
+ +
=
n
x x x x x x
s
n
Varianza
Desviacin estndar
7
Media yDesviacionestandar
Ejercicio
Calcule la media y la desviacion estandar de
los siguientes datos: 1,8,9,2,3,7
5
6
7 3 2 9 8 1
=
+ + + + +
=
x
( ) ( ) ( )
6 . 11
1 6
5 7 ... 5 8 5 1
2 2 2
2
=
+ + +
=
s
4 . 3 6 . 11
= =
s 4 . 3 6 . 11
= =
s 4 . 3 6 . 11
= =
s
Media
Varianza
Desviacin estndar
La esencia de la estimacin La esencia de la estimacin
estadstica estadstica
Hechos claves
8
Las estadisticas pueden variar Las estadisticas pueden variar
sample sample
4.4 4.2 4.0 3.8 3.6 3.4 3.2 3.0
5
0
5
0
Media Media
Media Media Media Media
4.4 4.2 4.0 3.8 3.6 3.4 3.2 3.0
15
10
5
0
Distribucin Distribucin de de
muestreo muestreo
..Es la ..Es la distribucin distribucin de de
una estadistica para un una estadistica para un
nmero muy grande nmero muy grande de de
muestras muestras. .
Por qu creer en los Por qu creer en los
resultados de una muestra? resultados de una muestra?
Cuando se toma una muestra de 20 unidades
al azar de un lote de 1000 articulos, para
tomar una decision sobre todo el lote, nos
queda el sabor de la incertidumbre.
Cuando se pregunta a 2000 personas para
conocer la opinion sobre una poblacion de 5
millones de personas, lo menos que nos
queda es un sabor a incredulidad.
9
Por qu creer en los Por qu creer en los
resultados de una muestra? resultados de una muestra?
Que tan justiIicada es nuestra Ialta de Ie?
Cuales son los hechos contundentes que
podrian quitarnos el sabor a incredulidad y a
desconIianza?
La respuesta esta escrita con pinceladas de
intuicion v de una magica racionalidad,
que rie con la propia intuicion.
Algunas increbles verdades Algunas increbles verdades
Nunca sabemos cual es la verdadera media
, de una poblacion, pero si podemos saber
que tan cerca esta el resultado que se
obtenga de una muestra aleatoria.
Con una muestra de 2000 personas se
recoge la opinion de 5 millones o de 50
millones con la misma precision.
10
Algunas increbles verdades Algunas increbles verdades
Si una muestra aleatoria de 2000
observaciones nos inIorma sobre una
caracteristica de la poblacion con 99.4 de
conIianza, las primeras 1000 observaciones,
lo haran con un 95 de conIianza.
En otras palabras, aumentar la conIianza del
95 al 99.4, signiIica multiplicar por 2
los costos del estudio.
Algunas increbles verdades Algunas increbles verdades
Vale aproximadamente lo mismo un estudio
para concluir sobre 5 millones de personas,
que para 100 millones de personas.
En otras palabras, se necesita el mismo
tamao de muestra para concluir con la
misma precision sobre 5 millones de
personas que para 100 millones de personas.
?
?
?
?
?
?
?
?
?
?
11
Estimacin de la media de una Estimacin de la media de una
poblacin poblacin
Estimacin de la media de Estimacin de la media de
una poblacin una poblacin
Para hacernos una idea del valor de la
media poblacional , calculamos la media
de una muestra aleatoria.
En otras palabras:
x
Es un estimador de
12
Hechos claves Hechos claves
En la prctica
solo hacemos un disparo.
( Corresponde a una muestra)
Sesgo.
!!! Esto no ocurre con la media !!!
Hechos claves Hechos claves
En la prctica
solo hacemos un disparo.
( Corresponde a una muestra)
No hay Sesgo.
Nos gustara
menos variabilidad
La media
Muestral, No
tiene sesgo
x
13
Primera razn para confiar Primera razn para confiar
Si otros repitieran la encuesta que hicimos,
obtendrian valores alrededor del verdadero
valor.
En otras palabras la nube de puntos que
resultaria si se repitiera el estudio, tendrian
al verdadero valor en el centro.
Pero an as, nuestra estimacin podra
estar lejos del centro...? (Una pega)
As estara mejor...? As estara mejor...?
En la prctica
solo hacemos un disparo.
( Corresponde a una muestra)
No hay sesgo
+
Buena precisin
!! La media de la muestra es un Misil para darle
a la media de la poblacin !!
14
..La media es un misil..? ..La media es un misil..?
x
!!! SI. SI QUE LO ES..!!!
Por qu?
1. El objetivo es desconocido, sin embargo una
serie de disparos con , siempre rodearn al
objetivo, no importa donde est.
x
2. Podemos afinar su precisin tanto como
queramos, solo depende del combustible
(energa), que estemos dispuestos a invertir.
La distribucin de las medias La distribuci La distribuci n de n de las las medias medias
sample sample
4.4 4.2 4.0 3.8 3.6 3.4 3.2 3.0
5
0
5
0
Media Media
Media Media
Media Media
4.4 4.2 4.0 3.8 3.6 3.4 3.2 3.0
15
10
5
0
Distribuci Distribuci n n de de
muestreo muestreo
..Es la distribucin de
la media para un
nmero muy grande de
muestras.
x
15
Una segunda razn para creer en Una segunda razn para creer en
los resultados de una muestra los resultados de una muestra
n
x
=
130 120 110 100 90 80 70
0.4
0.3
0.2
0.1
0.0
x
N
(
1
0
0
;
1
0
)
POBLACION MADRE N(100;10)
130 120 110 100 90 80 70
0.4
0.3
0.2
0.1
0.0
x
N
(
1
0
0
;
1
)
-
1
0
0
n=100
100 =
100 =
10 =
1
100
10
= = =
n
x
Una segunda razn para creer en Una segunda razn para creer en
los resultados de una muestra los resultados de una muestra
130 120 110 100 90 80 70
0.4
0.3
0.2
0.1
0.0
x
N
(
1
0
0
;1
0
)
POBLACION MADRE N(100;10)
130 120 110 100 90 80 70
0.4
0.3
0.2
0.1
0.0
x
N
(
1
0
0
;
1
)
-
1
0
0
n=100
100 =
100 =
10 =
1 =
x
16
Una segunda razn para creer en Una segunda razn para creer en
los resultados de una muestra los resultados de una muestra
130 120 110 100 90 80 70
0.4
0.3
0.2
0.1
0.0
x
n=100
130 120 110 100 90 80 70
0.4
0.3
0.2
0.1
0.0
x
N
(
1
0
0
;
1
0
)
POBLACIONMADREN(100;10)
100
=
10
=
Que porcentaje de las veces la media de la muestra est
entre 98 y 102?
1
=
x
100
=
95.5
Salvedades importantes.
Salvedades importantes.
Hasta ahora hemos trabajado con
poblaciones con modelo normal y por lo
tanto la distribucion de la media resulta
tambien normal.
Que pasa si la poblacin
muestreada NO es normal?
17
El Teorema Central del Lmite El Teorema Central del Lmite
El padrino de la distribucion Normal
El famoso TCL El famoso TCL
'..Casi todos los caminos conducen a mi..
Atentamente,
El modelo Normal.
18
El TCL y el Lanzamiento de un El TCL y el Lanzamiento de un
dado. dado.
TCL y el modelo BINOMIAL TCL y el modelo BINOMIAL
19
TCL y el modelo Exponencial. TCL y el modelo Exponencial.
Moraleja del TCL Moraleja del TCL
No importa cual sea el modelo que
deIina la poblacion madre (padre),
siempre la media de una muestra
seguira el modelo Normal, si se
garantiza un tamao de muestra
decente (30 unidades es suIiciente)
20
Que pasa si la poblacion Que pasa si la poblacion
muestreada NO es normal? muestreada NO es normal?
Si hemos tomado una muestra grandecita (al
menos 30 unidades), sigue siendo valido
todo lo dicho hasta ahora.
Un tamao de muestra suIicientemente
grande es un seguro que nos permite
despreocuparnos del modelo que siga la
poblacion muestreada.
Teoremu CentruI deI Limite
Si X es una V.A. con media y desviacin
estndar , sin importar su distribucin . Al tomar
una muestra n grande (n > 30), es decir X
1
, X
2
,,
X
n
, el TCL nos garantiza que:
n
, N ~
X
n
=
=
=
Funcin de Distribucin puru Iu
mediu muestruI
Cuando la usamos?
Si la Poblacion se Distribuye normal y conocemos no importa el
tamao de la muestra.
Si no conocemos la distribucion de la poblacion y tenemos una muestra
grande (n~30). Si no conoce no se preocupe estimela con s