SEMANA - 14 - Distribución Muestral

ESTADÍSTICA GENERAL
Semana 14: Distribución Muestral
Docente: Dr. Soria Quijaite Juan

23 de Julio: Exposición
del trabajo final
Jesús
Web of Science ID: AAP-4832-2020
3:00pm a 6:40pm Scopus Author ID: 57204497093
30 de Julio: Examen
Investigador RENACYT: P0057631
final en tiempo real ORCID: 0000-0002-4415-8622
3:00pm a 6:40pm Email: [email protected]
Estadística General Semana 14
Distribución Muestral Abraham de Moivre
La distribución normal fue presentada por primera vez por Abraham de
Moivre en un artículo del año 1733,5 que fue reimpreso en la segunda
edición de su The Doctrine of Chances, de 1738, en el contexto de cierta
aproximación de la distribución binomial para grandes valores de n. Su
resultado fue ampliado por Laplace en su libro Teoría analítica de las
probabilidades (1812), y en la actualidad se llama Teorema de De
Moivre-Laplace.
Pierre Simon Laplace
Pierre-Simon Laplace (francés: /pjɛʁ simõ laplas/; Beaumont-en-Auge,

Normandía, Francia, 23 de marzo de 17491-París, 5 de marzo de 1827)
fue un astrónomo, físico y matemático francés. Continuador de la
mecánica newtoniana, descubrió y desarrolló la transformada de
Laplace y la ecuación de Laplace; como estadístico sentó las bases de
la teoría analítica de la probabilidad; y como astrónomo planteó la
teoría nebular sobre la formación del sistema solar. Compartió la
doctrina filosófica del determinismo científico.
TEMARIO
1. Distribución Muestral
2. Aplicaciones
LOGRO DE APRENDIZAJE
Al finalizar la sesión de clase, el

estudiante comprende la importancia
de la distribución Muestral con
ejemplos prácticos.
Estadística General
Distribución muestral
 La teoría del muestreo estudia las relaciones entre una población y las muestras
extraídas de la misma.
 Permite estimar cantidades desconocidas de la población como la media poblacional,

la varianza, etc., frecuentemente llamadas parámetros poblacionales a partir de las
correspondientes cantidades muestrales como son la media, la varianza, y otros
estadísticos muéstrales o brevemente llamados estadísticos.
 La teoría de muestreo es útil para determinar por ejemplo: el aplicar un nuevo suero
para el tratamiento de una enfermedad, o decidir si un proceso de producción es
mejor que otro. estas decisiones envuelven a los llamados ensayos e hipótesis de
significación.
 En general, a todo lo mencionado anteriormente se le conoce como inferencia

estadística.
Distribución muestral Población
DISTRIBUCIONES MUESTRALES Muestra
Consideremos todas las muestras de tamaño n que pueden
extraerse de una población . (con o sin reemplazo).  X
Si obtenemos estadísticos , tales como la media (), MUESTREO
la proporción ), la desviación típica), etc., que varían de una
muestra a otra. formaremos una distribución del estadístico
 2 S2
p
deseado, lo que se conoce como distribución muestral.

n
 Si, el estadístico es la media muestral () , la distribución se N
conoce como distribución muestral de la medias.
 Si, el estadístico es la proporción muestral(P), la distribución se

conoce como distribución muestral de la Proporción
supóngase que son extraídas de una población Infinita todas las posibles muestras
sin remplazo de tamaño n. si se denota:
 La media (µ) y la desviación típica () de la población

 La media () y la desviación típica () de la distribución muestral
La distribución muestral de las medias cumplen la siguiente igualdad: NOTA:
Si el muestreo es con reemplazo

de un población finita

¿Estas muestras aleatorias a que tipo de distribución se ajustan?

Caso 1: Población con distribución normal:
Tiene distribución normal con media µ y desviación típica :
Si la muestra aleatoria
Para cualquier tamaño de muestra (n):
La media muestral también tiene una distribución normal con
media y desviación Típica:
Notación Estadística Si:
Caso 2: Población con distribución no normal: Teorema del limite central
Si la muestra seleccionada tiene un tamaño mayor a 30, sea cual sea la forma de la
distribución de la población (sea normal o no ), las medias de todas las muestras
seleccionadas de la población tendrán una distribución normal
: 𝑿 ? ? ( 𝜇 , 𝜎2)
𝑺𝒊
𝜎
´ 𝑁 𝜇,
→𝑿
( √𝑛 )
Teorema
del limite central
(TLC)
Enlace para demonstrar gráficamente

http://www.lock5stat.com/StatKey/theoretical_distribution/theoretical_distribution.html#t
 Demostración del la media muestral: Muestreo
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-statistics/suppor
ting-topics/data-concepts/what-are-parameters-parameter-estimates-and-sampling-distributions/
 Demostración del teorema del límite central:

http://sae.saiblogs.inf.um.es/teorema-del-limite-central-tcl/
https://www.youtube.com/watch?v=6P2RliqiJ6Y
http://www.ugr.es/~mvargas/tema6sd.pdf
Estadística para la Investigación
Sabemos que si de
Resumen: Si:
𝜎
´
(
𝑺𝒊 : 𝑿 ? ? ( 𝜇 , 𝜎 ) 𝑻𝑳𝑪 𝒔𝒊𝒏 ≥ 𝟑𝟎 → 𝑋 𝑁 𝜇 ,
√𝑛 )
´ −𝜇
𝑋
→ 𝑍= 𝑁 (0,1 )
Emplearemos tabla Z cuando:
𝜎
a. n>30 y σ2 conocida ⏟ √n
b. n<30 y σ2 conocida. 𝑬𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒊𝒛𝒂𝒄𝒊 ó 𝒏
El valor nominal de la resistencia de una lámina de un metal compuesto es de

8500 psi. Por estudios pasados se conoce que la desviación estándar de esta
resistencia es 1950 psi. Se tiene una muestra de 100 láminas. ¿Cuál es la
probabilidad de que la media de esa muestra:
a) Sea mayor a 8900 psi?

b) Sea menor a 8000 psi?
c) Esté entre 8200 y 8700 psi?
d) ¿Que valor de la media tiene una probabilidad de ocurrencia menor a
16.35%?
DATOS DEL PROBLEMA:
SOLUCIÓN: Recordando
=8500
=1950 (conocido)
n=100
Variable: X resistencia de una lámina P( Z  a)  1  P( Z  a)
a. Media mayor que 8900 ()

8900 − 8500
Estandarizando
(
1− 𝑃 𝑍 ≤
1950
√ 100 ) 1− 𝑃( ⏟
𝑍 ≤ 2.05 )
𝑇𝑎𝑏𝑙𝑎 𝑧
∴ 𝑃 ( ´𝑥 > 8900)=1− 𝟎 . 𝟗𝟕𝟗𝟖=0.0202

Interpretación:
Recordar:
b. Media menor que 8000
P ( a  Z  b)  P ( Z  b)  P ( Z  a )
8000 − 𝟖𝟓𝟎𝟎
𝑃 ( ´𝑥 <8000)= 𝑃 𝑍 <
( 1950
√ 100 )
=𝑃( 𝑍
⏟ <− 2.56 )=0.0053
𝑇𝑎𝑏𝑙𝑎
c. Media entre 8200 y 8700

Estandarizando Estandarizando
8700 − 𝟖𝟓𝟎𝟎 8200− 𝟖𝟓𝟎𝟎
𝑃 ( 8200< ´𝑥 <8700 ) = 𝑃
( 1950
√ 100
<𝑧<
¿
1950
√ 100 )
= 𝑃 ( − 1.54< 𝑍 <1.03 )
𝑃 ( 8200<´𝑥 <8700 ) =𝑃 𝑍⏟

<1.03 − 𝑃 𝑍⏟
<− 1.54 =0.8485 − 0.0618=0.7867
( 𝑇𝑎𝑏𝑙𝑎 𝑍
) ( 𝑡𝑎𝑏𝑙𝑎 𝑧
)
d. Valor de la media:
Asumimos el valor de la media que piden:
𝑥 < 𝑥´ 𝑖 )<0.16 ⇒ 𝑥´ 𝑖=?

𝑃( ´
Estandarizando
=0.16
Buscando en la Tabla Z , que genera una probabilidad aproximada de 0.16  𝑍

0.16109 =−0.99
Igualando 𝑥´ 𝑖 −8500
−0.9 9=
1950 𝑥´ 𝑖 =195 ∗(−0.98)+8500=830 6 .9 5
→
√100
¿ Interpretación:
Distribución muestral: Varianza desconocida
a. Cuando y desconocida se empleara LA T DE STUDENT :
𝜎 𝑋
´ −𝜇
´
(
𝑋 𝑁 𝜇,
√𝑛
⇒ )
𝜎
𝑁 (0,1)
√𝑛
⇒
si n<30, t con n −1 grados de libertad
n −1
´ −𝜇
𝑋
Estandarización 𝑇 𝑛− 1=
𝑆
√𝑛
b. Cuando n > 30 y σ2 desconocida se empleara tabla z debiéndose
tener presente que se reemplazara la s2 por la σ2. ( TLC, n > 30 )
DISTRIBUCIÓN T- STUDENT
Condiciones:
 Se utiliza en muestras pequeñas de 30 o menos elementos.
 La desviación estándar de la población () no se conoce.
 Distribución Población tiene que ser normal
Características:
 Es simétrica, cada curva t tiene forma de campana con centro en 0.
 Las áreas de los extremos las cuales son más amplias que la distribución normal,
como consecuencia de que usualmente se trabaja con muestras pequeñas
 Tiene grados de libertad (g.l) : V = n – 1 , cuando la curva T se aproxima a la Normal
Enlace: http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03.html
Probabilidades
Asociadas a un
Grados de VT
Libertad!
Si X tiene distribución t-Student con 18 grados de libertad, hallar:

a) P[ X  2.101]
b) P[ X  1.734]
c) P[ X  2.878]
d) P[1.330  X  2.2.552]
PROBLEMA 5:
Una máquina produce piezas con un tamaño que se ajusta a una
distribución normal cuyo valor medio es de 14 cm. ¿Cuál es la probabilidad
de que la media de una muestra de tamaño 20 sea menor que 14.58 cm.,
sabiendo que la varianza muestral ha sido de 9 cm2 ?
DATOS DEL PROBLEMA:
SOLUCIÓN:
Variable: X:Tamaño de la pieza en cm ( desconocido)
Si:  n=20
Entonces:
Recordando:

𝐶𝑜𝑚𝑜
𝜎 2 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎 𝑛 <30
𝑃𝑖𝑑𝑒𝑛 : 𝑃 ( ´
𝑥 <14.58 )
14.58− 14 → 𝑃 𝑡⏟
19 <0.8646 ≅ 0.80
( )
(
Estandarizando: ¿ 𝑃 𝑡 𝑛 −1 <
3
√ 20 ) 𝑇𝑎𝑏𝑙𝑎𝑇
Interpretación:
TALLER GRUPAL
Grupos de 4 Estudiantes
Vamos a los
ejercicios propuestos
de la guía de trabajo
autónomo!!
TALLER INDIVIDUAL
Barron’s reportó que el número promedio de semanas que un individuo está desempleado es de 17.5
(Barron’s, 18 de febrero de 2008). Suponga que el tamaño de la media poblacional es 17.5 semanas
para la población de todos los individuos desempleados, y que la desviación estándar poblacional es
de cuatro semanas. Asuma que quiere seleccionar una muestra aleatoria de 50 individuos sin empleo
para un estudio de seguimiento.
a) Presente la distribución de muestreo de media en x, la media muestral promedio de una muestra
de 50 individuos desempleados.
b) ¿Cuál es la probabilidad de que la muestra aleatoria simple de los 50 sujetos proporcione una
media muestral que no difiera de la media poblacional en más de una semana?
c) ¿Cuál es la probabilidad de que la muestra aleatoria simple referida proporcione una media
muestral que no difiera de la media poblacional en más de ½ semana?
TALLER GRUPAL
Los salarios mensuales de los recién graduados que acceden

a su primer empleo se distribuyen según una ley normal de
media $ 1300 y desviación típica$ 600. Calcular la
probabilidad de que los graduados cobren entre $ 1000 y $
1500 al mes
TALLER GRUPAL
TALLER GRUPAL
TALLER GRUPAL
EJEMPLO 2
Una población normal tiene una media de 60 y una
desviación estándar de 12. Usted selecciona una muestra
aleatoria de 9. Calcule la probabilidad de que la media
muestral:
a) Sea mayor que 63.
b) Sea menor que 56.
c) Se encuentre entre 56 y 63
EVALUACIÓN CONTINUA 2
EJEMPLO 3
Una población normal posee una media de 75 y una
desviación estándar de 5. Usted selecciona una muestra de
40. Calcule la probabilidad de que la media muestral:
a) Sea menor que 74.
b) Se encuentre entre 74 y 76.
c) Se encuentre entre 76 y 77.
d) Sea mayor que 77
e) ¿Que valor de la media tiene una probabilidad de ocurrencia
menor a 18.45%?
Estadística General: Distribución Muestral Semana 14
Aplicación 12
A un grupo de niños se les aplica una prueba de inteligencia (WISC) ;
suponga que las puntuaciones se distribuyen en forma normal y
tienen los parámetros siguientes:  x  100 y  x  15 . En términos de CI,
utilizando esta información:
a) ¿Qué porcentaje de niños están en el intervalo p 90  X  110  ?
b) ¿Qué porcentaje de niños obtuvieron un CI mayor que 110, es
decir; p X  110 
c) ¿Qué porcentaje de niños tienen un CI menor que el término
medio, o menos de 90; p X  90 ?
Estadística General Semana 13
EJERCICIO INDIVIDUAL
Resolveremos el
siguiente ejercicio
de manera
individual
8 minutos!!

SEMANA - 14 - Distribución Muestral

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

SEMANA - 14 - Distribución Muestral

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA GENERAL

Semana 14: Distribución Muestral

Docente: Dr. Soria Quijaite Juan

Pierre Simon Laplace

Pierre-Simon Laplace (francés: /pjɛʁ simõ laplas/; Beaumont-en-Auge,

Al finalizar la sesión de clase, el

 Permite estimar cantidades desconocidas de la población como la media poblacional,

 En general, a todo lo mencionado anteriormente se le conoce como inferencia

 Si, el estadístico es la proporción muestral(P), la distribución se

 La media (µ) y la desviación típica () de la población

La distribución muestral de las medias cumplen la siguiente igualdad: NOTA:

Si el muestreo es con reemplazo

¿Estas muestras aleatorias a que tipo de distribución se ajustan?

Notación Estadística Si:

Caso 2: Población con distribución no normal: Teorema del limite central

Enlace para demonstrar gráficamente

 Demostración del teorema del límite central:

El valor nominal de la resistencia de una lámina de un metal compuesto es de

a) Sea mayor a 8900 psi?

∴ 𝑃 ( ´𝑥 > 8900)=1− 𝟎 . 𝟗𝟕𝟗𝟖=0.0202

c. Media entre 8200 y 8700

Asumimos el valor de la media que piden:

𝑥 < 𝑥´ 𝑖 )<0.16 ⇒ 𝑥´ 𝑖=?

Buscando en la Tabla Z , que genera una probabilidad aproximada de 0.16  𝑍

Si X tiene distribución t-Student con 18 grados de libertad, hallar:

Los salarios mensuales de los recién graduados que acceden

También podría gustarte