[Escriba aqu]

Pedro J. Espinosa
Psicologa
Universitat de Barcelona
Estadstica
Distribucin Muestral de un estadstico:
Hemos conceptualizado anteriorment un estimador puntual com un
estadistico obtenido en una muestra y que es funcin de los valores que la
componen. Por tanto, si consideramos que las muestras se han obtenido
por muestreo aleatorio, los estadisticos que calculamos en estas muestras
pueden ( y de hecho deben) ser conceptualizados como variables aleatorias.
Bajo la denominacin Distribucdin muestral de un estadstico recogemos el
modelo terico de
probabilidad
que, bsicament, describe el
comportamiento de la variable aleatria definida por el conjumntop de
estadsticos calculados a lo largo de las diferentes muestra de igual tamao
que podran generarse a partir de una poblacin. Considerando un muestreo
con rfeposicin el numero de muestras sera infinito.
La Distribucin Muestral constituye un concepto terico, ya que en la
prctica generamos una muestra y calculamos sobre ella un estadstico.
Si a partir de una poblaciin caracteritzada por un parametro X generamos
todas las posiubles muestras de tamao n, el conjunto de estadsticos
obtenidos a partir de cada una de las muestras constituiran la Distribucin
Muestral del estadstico.
Qu utilidad tiene conocer las caractersticas de la Distribucin Muestrak
de un Estadstico ?

En primer lugar : evaluar las propiedades de los estimadores( que hemos

planteado con anterioridad ). Por ejemplo, a partir de la esperanza
matemtica, determinar si el estimador presenta sesgo o, mediante su
varincia, analitzar la eficincia diferencial de los estimadores.
En segundo lugar: tambinb nos permitir establecer estimacions por
intervalo del parmetro poblacional, tal como veremos ms adelante.

Qu caractersticas presenta la Distribucin Muestral de un Estadstico ?

No se conocen las caractesticas de la distribucin de todos lo

estadistcos, per a partir de la Ley de los grandes nmeros y el Teorema
del lmite central, ha sido possible identificarlas de forma terica para
algunos estadsticos. Para los que no se conoce puede aproximarse
mediante un proceso de simulaciin numrica. ( Montecarlo, Boostrap...)

Distribucin Muestral de Medias :

Conforme al teorema del lmite central la distribucin de muestreo del
estadstico media es asintticamente normal. Es decir, se ajusta a un
modelo de proibabilidad normal a medida que el tamao de la muestra
sobre la que se calcula el estadstico tiende a infinito.
Donde
representa la Media de la Distribucin Muestral y
sera la
Desviacin estndar de la distribucin Muestral, habitualmente tambin
designada como Error Tpico o Error Estndar de la Distribucin Muestral
.

[Escriba aqu]
Pedro J. Espinosa
Psicologa
Universitat de Barcelona
Estadstica
Los parmetros que caracterizan la distribucin Muestral del Estadstico son
funcin de los parmetros de la variable Aleatoria poblacional.

Para la Media

Para el Error tpico:

Si el muestreo se ha realizado con reposicin o bien a partir de una

poblacin infinita:

En caso que el muestreo se haya realizado a partir de una poblacin

infinita y sin reposicin:

Donde
y
son respectivamente la media y la desviacin estndar
de la Variable Aleatoria medida en la poblacin y la siguiente expresin:
que es el coeficiente de correccin por infinitud.
Puesto que la convergencia es asinttica, la aproximacin a la distribucin
de probabilidad normal es buena para valores grandes de n siguiendo el
teorema del lmite central. La convergencia, pues, se producir con
independencia de las caractersticas de la variable aleatoria en la poblacin
siempre que al menos la media y la variancia poblacionales sean finitas.
En el caso de que el valor de n sea pequeo, para garantizar que las
caractersticas distribucionales de la distribucin Muestral de Medias
coinciden con las anteriormente descritas, ser necesario que la Variable
Aleatoria se distribuya normalmente en la poblacin origen de la muestra. El
cumplimiento de esta condicin es por s sola garanta suficiente en
cualquier caso (sea cual sea el tamao muestral). Como elemento a
destacar, obsrvese cmo el error tpico presenta una relacin inversa con
el tamao de la muestra. Conforme esta ltima aumente, disminuir el error
estndar de la Distribucin Muestral.
Distribucin Muestral de Sumas:
Conforme el Teorema del lmite central, la distribucin del muestreo del
estadstico
suma
tambin
es
asintticamente
normal.
Por lo que respecta a sus parmetros, en un muestreo con reemplazo a
partir de una poblacin finita seran:

///

En caso de que el muestreo se haya realizado a partir de una poblacin

finita y sin reposicin:

[Escriba aqu]
Pedro J. Espinosa
Estadstica

Psicologa

Universitat de Barcelona

Distribuciones Muestral de Proporciones:

Conforme al teorema del lmite central, la distribucin de muestreo del
estadstico
proporcin
tambin
es
asintticamente
normal.
con

reemplazo

Por lo que respecta a sus parmetros, en un muestreo

a
partir
de
una
poblacin
finita
seran:

En caso de que el muestreo haya se haya realizado a partir de una

poblacin finita y sin reposicin:

En realidad, el teorema del lmite central es aplicable a la distribucin del

estadstico proporcin nicamente si los productos n
y n(1 ) son
iguales o superiores a 5. Con este estadstico sera ms adecuado
caracterizar la distribucin de muestreo mediante el modelo de
probabilidad Binomial para poblaciones finitas con reposicin o el modelo
Hiprgeomtrico para poblaciones finitas sin reposicin. Esto es as
puesto que estos modelos de probabilidad estableceran la distribucin de
muestreo exacta del estadstico.

Otras distribuciones muestrales:

Las distribuciones muestrales para algunos estadsticos se hallan

especficadas y son conocidas bajo determinadas circunstancias. A
continuacin identificaremos los parmetros (para muestreo infinito o con
reposicin), las caractersticas distribucionales y los requerimientos que
deben cumplirse para algunos casos:
Distribucin Muestral de la Desviacin Estndar :
-

Para

n=100

la

distribucin
para

muestral
el error

es
casi
normal:
tpico tenemos dos

expresiones:
Si la distribucin de la variable aleatoria a nivel poblacional es
aproximadamente normal :

. En caso de que no lo sea:

.
Distribucin Muestral de la Mediana:
-

Para n=30 y la poblacin aproximadamente normal la distribucin

muestral es muy aproximadamente normal.
.

[Escriba aqu]
Pedro J. Espinosa
Estadstica
-

Psicologa

Universitat de Barcelona

Existe tambin una expresin de clculo del Error Estndar en base a

indicadores de posicin:

donde

Distribucin Muestral de los Cuartiles:

-

Para n=30 y variable aleatoria con distribucin aproximadamente

normal, la distribucin muestral es aproximadamente normal.

Distribucin Muestral de Deciles:

Para n=30 y variable aleatoria con distribucin aproximadamente
normal, la distribucin muestral es aproximadamente normal:
Distribucin Muestral de los Rangos Semiintercuartiles:
Para n=30 y variable aleatoria con distribucin aproximadamente normal, la
distribucin muestral es aproximadamente normal y

es csi igual al

Rango Semiincuartil en la poblacin.

Distribucin Muestral de Variancia:
Para n=100 la distribucin muestral es casi normal porque:
-

Independientemente del valor de n, para variables aleatorias con

distribucin normal en loa poblacin:

. Donde v= n-1 .

Distribucin Muestral del coeficiente de Variacin:

Para variables aleatorias con distribucin normal ( o casi normal ) y
n=100 ( o ms grande que 100 ) la distribucin muestral es normal con:

[Escriba aqu]
Pedro J. Espinosa
Estadstica

Psicologa

Universitat de Barcelona

Inferencia Estadstica. Muestreo y estimadores:

Introduccin:
Por medio de la estadstica descriptiva caracterizamos una o varias
variables aleatorias, ya sea conjunta o separadamente. Dadas diversas
medidas, que pueden corresponder a una parte de la poblacin, datos
muestrales, o a la totalidad de los individuos de la misma, el objetivo es
resumir o sintetizar la informacin, haciendo sta ms comprensible.
Si se realiza un anlisis descriptivo sobre datos muestrales, no existe
otro objetivo que describir la informacin contenida en los datos de la
muestra, sin realizar ningn tipo de extrapolacin. Por tanto, los anlisis
estadsticos slo se refieren al conjunto de los datos muestrales.
En muchas ocasiones el inters no reside tanto en describir un
determinado conjunto de datos muestrales como utilizar la informacin
contenida en la muestra para conocer alguna caracterstica de la
variable o variables aleatorias en la poblacin.
Por supuesto, nada mejor que realizar un anlisis a partir de la totalidad
de los individuos de la poblacin, pero eso no siempre es posible en
trminos de costes, ya sean econmicos o temporales. De hecho, en
muchas ocasiones es imposible obtener mediciones para la totalidad de
los individuos de la poblacin. En consecuencia, se desprende la
necesidad de un tipo ded razonamiento cuyo objetivo sea realizar
extrapolaciones sobre los parmetros de las variables aleatorias en la
poblacin a partir de una parte de los individuos pertenecientes a la
misma. O sea, utilizar la informacin contenido en los datos muestrales
para realizar inferencias sobre el valor de los parmetros para el
conjunto de individuos de la poblacin. Este es el objetivo principal de la
inferencia estadstica y, para alcanzar este objetivo, debemos conocer
cmo obtener muestras que representen adecuadamente al conjunto de
individuos de la poblacin de referencia.
Dentro de la inferencia estadstica puede distinguirse entre estimacin
y decisin. El proceso mediante el cual se obtiene informacin sobre el
valor de los parmetros de las variables aleatorias en la poblacin a
partir de datos muestrales se denomina estimacin. En este proceso de
estimacin se utilizan ndices y coeficientes estadsticos, conocidos
como estimadores, para obtener informacin sobre el valor de los
parmetros. Estos parmetros, que utilizan la informacin contenida en
la muestra, proporcionan un valor concreto que se denomina
estadstico.
Dado un valor del estadstico, puede realizarse una estimacin del
parmetro conocida como estimacin puntual o por punto o,
alternativamente, una estimacin denominada estimacin por intervalo.
En el primer caso, se iguala el valor del parmetro a aquel
correspondiente al estadstico. En el segundo caso, en cambio, se
proporciona un intervalo o conjunto de valores probables para el
parmetro y no un valor concreto como suceda con la estimacin
puntual o por punto.
La decisin estadstica tiene por objetivo tomar decisiones sobre
determinadas caractersticas de una o varias variables aleatorias en la
poblacin. Las tcnicas de la inferencia estadstica permiten poner a
pruebas una hiptesis, dados unos datos muestrales. Por tanto, son

[Escriba aqu]
Pedro J. Espinosa
Psicologa
Universitat de Barcelona
Estadstica
precisas las estimaciones obtenidas en las muestras para tomar una
decisin. Las pruebas de decisin estadstica pueden agruparse en
tcnicas de conformidad y tcnicas de relacin.
Las pruebas o tcnicas de conformidad permiten contrastar hiptesis
que se refieren a caractersticas de las variables aleatorias, ya sea sobre
el valor de alguno de sus parmetros o la forma de sus distribuciones.
As, podemos diferenciar entre pruebas paramtricas y no paramtricas.
Mediante las pruebas de relacin es posible contrastar si dos o ms
variables aleatorias son independientes o no. Tambin aqu podemos
diferenciar entre pruebas paramtricas y no paramtricas.
Muestreo de poblaciones finitas:
Por la imposibilidad de obtener informacin o de realizar la medicin de
determinadas caractersticas para la totalidad de individuos que
componen una poblacin, es necesario, en general, realizar un estudio a
partir de un subconjunto de individuos de la misma. La muestra, que as
se denomina cualquier subconjunto de individuos de la poblacin, debe
ser representativa de la misma, siempre que se pretenda uti8lizar la
informacin obtenida en la muestra para realizar extrapolaciones o
inferencias a la poblacin de referencia. Para garantizar la
representatividad de la muestra, debemos procurar que en la misma no
existan factores que puedan provocar la existencia de sesgo en los
resultados extrapolados desde la muestra a la poblacin.
En consecuencia, se precisan procedimientos que eviten o minimicen la
existencia de sesgo y, en la medida de lo posible, garanticen la
representatividad de la muestra; o sea, las tcnicas de muestreo de
poblaciones finitas.
Nos referiremos al muestreo de poblaciones finitas, que es aquel que se
precisa, por ejemplo, cuando se realiza un estudio o sondeo de opinin.
Una poblacin finita est compuesta por un nmero finito de individuos.
Mediante el trmino marco se entiende la lista por medio de la cual se
identifica a cada uno de los individuos de la poblacin. Un nmero
asignado a cada individuo de la poblacin puede ser una forma de
elaborar la lista.
La variable de estudio es aquella caracterstica de la poblacin que se
quiere estudiar. En una investigacin puede incluirse tantas variables de
estudio como interese. Si el estudio se realiza sobre la totalidad de la
poblacin, se denomina censo. Mediante N se denota el total de
individuos de la poblacin, tambin refirindose como tamao
poblacional. El total de individuos que componen una muestra se
denomina tamao muestral y se denota mediante n.
Dado un tamao poblacional, pueden obtenerse distintas muestras. El
total de las diferentes muestras se denomina espacio muestral
universal. Como son muchas las muestras que componen el espacio
muestral universal, pues incluye todas las muestras posibles,
independientemente de su tamao, es preciso tomar una parte del
mismo.

[Escriba aqu]
Pedro J. Espinosa
Psicologa
Universitat de Barcelona
Estadstica
Se entiende por espacio muestral una parte del espacio muestral
universal. Las muestras de un tamao concreto son una parte del
espacio muestral universal. Una vez especificado un espacio muestral, el
muestreo de poblaciones finitas tiene por objetivo obtener muestras
para alcanzar precisas inferencias sobre las caractersticas de las
variables aleatorias en la poblacin de referencia. Los procedimientos
mediante los cuales se obtienen las muestras se denominan diseos o
planes de muestreo. Estos se tratarn a continuacin.
Muestreo aleatorio simple. MAS(N, n)
Es una caracterstica de este plan de muestreo que la probabilidad de
que cualquier individuo pertenezca a la muestra es igual a 1/N. Si se
prefiere, la probabilidad de obtener cualquier muestra m de tamao n es

El denominador es igual al total de muestras posibles de tamao n sin

reposicin. Para obtener una muestra mediante este procedimiento se
ordenan las muestras del espacio muestral y se obtiene una de ellas al
azar. Tambin puede obtenerse mediante la seleccin al azar individuo a
individuo de forma secuencial. En ambos casos se utilizan nmeros
pseudoaleatorios