Anlisis Estadstico de la Ruleta

Cambios en los parmetros de las muestras conforme aumenta el tamao usando como
caso de estudio un ruleta comn de 37 nmeros.
Ignacio Selva, Universidad Tecnolgica Nacional, FRRo

Abril, 2015

1 Muestra

2 Valor Medio

Se realiza este informe con el objetivo de mostrar el

comportamiento de las muestras aleatorias simples con
respecto a la poblacin, para que luego podamos realizar
buenas inferencias.
Para este propsito se escogi trabajar con una ruleta de
37 nmeros, la cual fue modelada en computadora como
una variable random que devuelve un numero entero
entre 0 y 36.
Se registraron 4 muestras de 5000 individuos cada una y
luego se analizaron los paramtros con los 100, 500, 1000
y 5000 primeros individuos, respectivamente.

Hablando de la poblacin en primera instancia, tenemos

que resaltar el valor de la esperanza poblacional:

Espacio muestral=[ 0,1,2 , ... , 36]

Espacio Muestral=30

36

xi

E ( X )= i=0 =18
37

Definimos a el valor medio de una muestra con respecto a

su tamao como: x
En los grficos a continuacin vamos a ver que a medida
que la muestra aumenta de tamao, el valor medio de la
muestra va convergiendo hacia un valor puntual, que
resulta ser E(X), ya que est demostrado que para
muestras de un tamao suficiente n:

lim x=E ( X )
n

:nmero que sale en la ruleta en una jugada

X

Cambio del valor medio de la muestra con respecto a su tamao. Se muestran casos de 100, 500, 1000 y 5000 individuos.

Ignacio selva

3 Parmetro de dispersin

Definimos a el coeficiente de dispersin de una muestra

con respecto a su tamao como: S

Hallamos primero el valor de la Desviacin Estndar:

De la misma manera que en el valor medio, podemos ver

que el coeficiente de dispersin de la muestra va
convergiendo hacia el valor de la desviacin estndar.

D( X )=

36

( x iE ( X ))2
i=0

37

=10,68

lim S =D( X )
n

Cambio de la dispersin de la muestra con respecto a su tamao. Se muestran casos de 100, 500, 1000 y 5000 individuos.

Ignacio selva

4 Frecuencia Relativa

Definimos la frecuencia relativa como:

f ri (n)

Tomamos un x cualquiera de los valores del a ruleta y

Buscamos primero el valor de la probabilidad de que X=x,
calculamos la frecuencia relativa conforme aumenta el
siendo m el nmero de casos posibles:
tamao de la muestra. Se muestra en los grficos
1 1
siguientes la siguiente afirmacin:
P ( X =n)= = =0,27

37

lim f ri (n)=P ( X =n)

n

Frecuencia Relativa de x variando con respecto a al tamao de la muestra. Se muestran casos de 100, 500, 1000 y 5000 individuos.

Ignacio selva

5 Distribucin Muestral

6 Valor Medio Muestral

Para seguir con el anlisis vamos a formar cuatro Definimos el valor medio muestral como el valor medio
distribucines muestrales con los promedios de 30 de los valores medios de las 30 muestras, y vamos a ver
que este valor tiene a asemejarse a la Esperanza, como lo
muestras de 5000 individuos cada una:
hace el valor medio comn. La esperanza del Promedio
Muestral es el promedio la las Esperanzas de cada
Espacio muestral=[ x1, x2, ... , x30]
poblacin, en este caso como se trabaja con la misma
Espacio Muestral=30
poblacin en todos los casos, la Esperanza Muestral y la
Esperanza de la poblacin son iguales. Lo destacable es
De este modo definimos la variable:
: Promedio de una muestra de 5000 individuos que lo hace mucho ms rpidamente que este, como
X
vamos a poder apreciar en los grficos siguientes.
Esta variable es una distribucin muestral inferida a partir
de los 30 muestras antes mencionada. De cada muestra
debemos conocer el valor medio de las mismas para
poder calcular la Esperanza y la Desviacin Estndar de
esta variable arriba detallada.

Valor medio del Promedio Muestral variando con respecto a al tamao de la muestras. Se muestran casos de 100, 500, 1000 y 5000
individuos.

Ignacio selva

6 Dispersin Muestral
Ahora vamos a ver el motivo de por qu el valor medio
muestral se aproxima mucho ms rapidamente a la
Esperanza. Esto se debe a que la varianza muestral es la
suma de las varianzas dividido la cantidad de muestras
que estamos trabajando, en este caso 30. Claramente
cuanto ms muestras estamos trabajando, ms exacta va
a hacer la inferencia que hacemos y ms se va a reducir la
dispersin.

Eventualmente, la dispersin, en vez de tender a un valor,

va a tender a 0, conforme aumente el tamao de las
muestras o la cantidad de muestras:

lim

mn

30

( xiE ( X ))2
i=1

=0

Como conclusin, a medida que se reduce la dispersin,

se estima mejor la Esperanza de el promedio muestral.

Dispersin del Promedio Muestral variando con respecto a al tamao de la muestras. Se muestran casos de 100, 500, 1000 y 5000
individuos.

Ignacio selva