If you can't read please download the document
Upload
ngophuc
View
219
Download
0
Embed Size (px)
Citation preview
UNIVERSIDAD MICHOACANA DE
SAN NICOLS DE HIDALGO
Facultad de Contadura y
Ciencias Administrativas
Academia de Matemticas
Apuntes para la Materia de Estadstica II
Gua Bsica para el Estudio de la Estadstica Inferencial
Elabor:
M.A. Jos Rafael Agui lera Agui lera Asesor en Estrategias de Inversin
(Certificacin reconocida por la Bolsa Mexicana de Valores)
Morelia Mich., Diciembre de 2009
Estadstica II
1 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
NDICE
TEMA 1: Fundamentos de Estadstica Inferencial ..... 4
1.1.- Conceptos Bsicos. .......................................................... 4
1.2.- Tcnicas para Contar. ....................................................... 5
1.3.- Diagrama de la Probabilidad Estadstica. ......................... 9
TEMA 2: Teora Elemental de Muestreo ...................... 10
2.1.- Distribucin Binomial. ................................................... 10
2.2.- Distribucin Normal. ..................................................... 33
2.3.- Muestreo Aleatorio Simple. ........................................... 51
2.4.- Distribuciones Mustrales .............................................. 54
2.4.1.- Distribucin Muestral de Medias. ............................ 55
2.4.2.- Distribucin Muestral de Proporciones .................... 56
2.4.3.- Distribucin Muestral de Diferencias y Sumas. ....... 58
2.5.- Otros Ejercicios. ............................................................. 61
Estadstica II
2 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
TEMA 3: Teora de Estimacin Estadstica............... 73
3.1.- Estimacin de Parmetros. ............................................. 73
3.1.1.- Estimas Insesgadas. .................................................. 74
3.1.2.- Estimas Eficientes. ................................................... 75
3.2.- Estimas por Puntos y Estimas por Intervalos de Seguridad ....... 76
3.3.- Estimas por Intervalo de Confianza, de Parmetros Poblacionales. .. 77
3.3.1.- Sistemas de Medias por Intervalos de Confianza ..... 78
3.3.2.- Intervalos de Confianza para Proporciones. ............. 80
3.3.3.- Intervalos de Confianza para Diferencias y Sumas. . 81
3.3.4.- Intervalos de Confianza para Desviaciones Tpicas. 82
3.4.- Error Probable. ............................................................... 82
3.5.- Ejercicios ....................................................................... 83
Tema 4: Teora de la Decisin Estadstica (Paramtrica). . 90
4.1.- Conceptos y Definiciones. ............................................. 90
4.1.1.- Decisiones Estadsticas. ............................................ 90
4.1.2.- Hiptesis Estadstica, Hiptesis Nula. ...................... 90
Estadstica II
3 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
4.2.- Ensayos de Hiptesis y Significacin. ........................... 91
4.2.1.- Error De Tipo I Y Tipo II. ........................................ 92
4.2.2.- Nivel de Significacin. ............................................. 93
4.3.- Ensayos Referentes a la Distribucin Normal. ............... 94
4.4.-Ensayos de Una y Dos Colas. ......................................... 97
4.5.- Ensayos Especiales. ....................................................... 98
4.6.- Ejercicio de Inferencia de Medias. ............................... 100
BIBLIOGRAFA. ....................................................... 110
Estadstica II
4 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
MORELIA
1, 300,000
_______
EDAD
200 ____
X
TEMA 1: Fundamentos de Estadstica Inferencial
1.1.- Conceptos Bsicos.
A la estadstica inferencial la podemos definir a travs de cuatro puntos muy importantes los
cuales son los siguientes.
1. Materia de las ciencias sociales:
- licenciado en contadura - licenciado en administracin - licenciado en informtica administrativa
2. Tomar decisiones:
La estadstica: tomar decisiones de una poblacin con base de datos mustrales.
Esta se requiere para tomar decisiones estadsticas.
Tomar decisiones
Diseo experimental
Cmo voy a encontrar esos
200 datos?
Estimar
POBLACION Inferir MUESTRA DE DE
DATOS DATOS
Estadstica II
5 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
3. Probabilidad:
Estudia los experimentos y fenmenos aleatorios.
4. Que es un experimento o fenmeno aleatorio:
Tiene que ver con resultados que puedan ocurrir y que antes de que ocurran no sabemos cual
va a ocurrir.
1.2.- Tcnicas para Contar.
En esta ocasin utilizaremos tres tipos de tcnicas para contar las cuales son:
CASO 1: En donde: La formula de este caso seria:
- Si me importa el orden y nORr = nr
- Si se puede repetir.
Interviene el
hombre
No interviene
el hombre
Estadstica II
6 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Ejemplo:
2
a,a b,a c,a d,a
a,b b,b c,b d,b = 16 resultados
a,c b,c, c,c, d,c,
a,d b,d c,d d,d
Para el caso anterior de la poblacin de Morelia tendramos que hacer lo mismo pero seria muy
difcil con esa cantidad.
En cambio si utilizamos la formula es mas rpido y sencillo,
nORr = n r
nORr = n r
nORr = 4 2
nORr = 1, 300, 000 200
nORr = 16 nORr =
CASO 2: En donde: La formula de este caso seria:
- Si me importa el orden nOr = n ! - No se pueden repetir (n-r)!
a b
c d
------
------
Estadstica II
7 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Ejemplo:
2
a,b b,a c,a d,a
,c b, a,c b,c c,b d,c = 12 Resultados
a,d b,d c,d d,d
Solucin con la formula:
nOr = n ! 4O2 = 4 !
(n-r)! (4-2)!
nOr = 24 ! nOr = 1
2
CASO 3: En donde: La formula de este caso seria:
- No hay orden
- No se pueden repetir nCr = n! r ! (n r) !
Por lo tanto el resultado es:
nCr = n! nCr = 24! nCr = 6 r! (n r) ! 2 (2 !)
nCr = 4! nCr = 24 2! (4 2) ! 4
a b
c d
------
------
Estadstica II
8 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Ejemplo 2: realizar el siguiente ejercicio por los tres casos en el que n sea 5 y r 3.
3
Caso1: FORMULA: SUSTITUCION:
nORr = n r
nORr = 5 3
nORr = 125
Caso 2:
FORMULA: SUSTITUCION:
nOr = n ! nOr = 5 ! nOr = 120
(n-r)! (5 3) ! 2 !
nOr = 120 nOr = 60
2
Caso3:
FORMULA: SUSTITUCION:
nCr = n! nCr = 5 ! nCr = 120
r! (n r) ! 3 ! (5 - 3) ! 6 ( 2 !)
nCr = 120 nCr = 120
6 (2) 12
nCr = 10
a b c
d e ------
------
Estadstica II
9 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
1.3.- Diagrama de la Probabilidad Estadstica.
EXPERIMENTOS:
(Influyen personas)
Tienen que ver con resul-
LA PROBABILIDA tados que puedan ocurrir y
ESTADISTICA ALEATORIOS que antes de que ocurran
No sabemos cual va a ocurrir.
FENMENOS:
(No influyen personas)
Para estudiarlos se
Construyen.
Modelo probabilstica
Que representa el compor- MODELOS
DEVIDO tamiento de un fenmeno (Distribuciones)
o experimento aleatorio.
Existen en el universo millones
de experimentos y fenomenos
aleatorios.
PERO Muchos se parecen POR LO QUE
entre ellos.
SE LE PONE Estos modelos Toman el mismo modelo
NOMBRE PROPIO o distribuciones de
EJEMPLO: distribucin de probabilidad
Binomial o Bernoulli Principal 1 experimento con 2 resul-
Caracterstica tados se repite n veces.
Normal Ejemplo:
Poisson 1 4
2 3
Estadstica II
10 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
TEMA 2: Teora Elemental de Muestreo
2.1.- Distribucin Binomial.
La distribucin Binomial:
Si p es la probabilidad de ocurrencia de un suceso en un solo ensayo (llamada probabilidad de
xito) y q = 1 P es la probabilidad de que el suceso no ocurra en un solo ensayo (llamada
probabilidad de fallo), entonces la probabilidad de que el suceso se presente exactamente X
veces en N ensayos, (es decir, X xitos y N X fallos) viene dada por:
p(X) = NCXpxq
N-X = N !
X! (N X) ! pXqN
X
Algunas propiedades de la distribucin binomial son dadas en la siguiente tabla.
Media
M = Np
Varianza 2 = Npq
Desviacin tpica
= Npq
Coeficiente de sesgo q - p
3 =
Npq
Coeficiente de curtosis 1 6pq
4 = 3 + Npq
Estadstica II
11 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
EJEMPLOS:
1. Hallar la probabilidad de que lanzando una moneda 6 veces aparezcan (a) 0, (b) 1, (c) 2, (d) 3, (e) 4, (f) 5, (g) 6 caras.
Paso 1: Describir El Experimento Aleatorio.
R= lanzar una moneda 6 veces
Paso 2: Construir El Espacio Muestral.
R= S = (s,s,s,s,s,s) (s,s,s,s,s,a) (s,s,s,s,a,a,)
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 26
nORr = 64
Paso 3: Definir Una Variable Aleatoria.
R= X = numero de caras
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 0,1,2,3,4,5,6 }
Estadstica II
12 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
R= Modelo binomial por que tiene dos resultados ya sea fracaso o xito.
P = posible xito. 1/2
q = probable fracaso. 1-P = 1-1/2 = 1/2
N= 6
FORMULA: P(x) = N!
X! (N-X) ! (PX) (q n-x)
SOLUCION:
(A) P (0) = 6!
0! (6-0) ! [(1/2)0] [(1/2)
6-0]
P (0) = 720
1 (6) ! (1/1) [(1/2) 6]
P (0) = 720
1 (720) (1/1) [(1/64)]
P (0) = 720
720 (1/1) [(1/64)]
P (0) = (1) (1/1) (1/64)
P (0) = 1/64
Estadstica II
13 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(B) P (1) = 6!
1! (6-1) ! [(1/2)1] [(1/2)
6-1]
P (1) = 720
1 (5)! (1/2) [(1/2) 5]
P (1) = 720
1 (120) (1/2) (1/32)
P (1) = 720
120 (1/2) (1/32)
P (1) = (6) (1/2) (1/32)
P (1) = 6/64
(C) P (2) = 6!
2! (6-2) ! [(1/2)2] [(1/2)
6-2]
P (2) = 720
2 (4) ! (1/4) [(1/2) 4]
P (2) = 720
2 (24) (1/4) [(1/2) 4]
P (2) = 720
48 (1/4) (1/16)
P (2) = (15) (1/4) (1/16)
P (2) = 15/64
Estadstica II
14 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(D) P (3) = 6!
3! (6-3) ! [(1/2)3] [(1/2)
6-3]
P (3) = 720
6 (4) ! (1/8) [(1/2) 3]
P (3) = 720
(6) (6) (1/8) (1/8)
P (3) = 720
36 (1/8) (1/8)
P (3) = (20) (1/8) (1/8)
P (3) = 20/64
(E) P (4) = 6!
4! (6-4) ! [(1/2)4] [(1/2)
6-4]
P (4) = 720
24 (2) ! (1/16) [(1/2) 2]
P (4) = 720
(24) (2) (1/16) (1/4)
P (4) = 720
48 (1/16) (1/4)
P (4) = (15) (1/16) (1/4)
P (4) = 15/64
Estadstica II
15 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(F) P (5) = 6!
5! (6-5) ! [(1/2)5] [(1/2)
6-5]
P (5) = 720
120 (1) ! (1/32) [(1/2) 1]
P (5) = 720
(120) (1) (1/32) (1/2)
P (5) = 720
120 (1/32) (1/2)
P (5) = (6) (1/32) (1/2)
P (5) = 6/64
(G) P (6) = 6!
6! (6-6) ! [(1/2)6] [(1/2)
6-6]
P (6) = 720
720 (0) ! (1/64) [(1/2) 0]
P (6) = 720
(120) (1) (1/64) (1/1)
P (6) = 720
720 (1/64) (1/1)
P (6) = (1) (1/64) (1/1)
P (6) = 1/64
TABLA DEL EJERCICIO:
Caras X 0 1 2 3 4 5 6
P(x) 1/64 6/64 15/64 20/64 15/64 6/64 1/64
Estadstica II
16 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
2. Hallar la probabilidad de (a) 2 o ms caras (b) menos de 4 caras en un lanzamiento de 6 monedas.
(A) Hallar la probabilidad de 2 o mas caras:
R= 15/16 + 20/64 + 15/64 + 6/64 + 1/64 = 57/64
(B) Menos de 4 caras:
R= 20/64 + 15/64 + 6/64 + 1/64 = 42 2 = 21
64 2 32
3. Si X denota el numero de caras en un solo lanzamiento de 4 monedas, hallar (a) p{X = 3}, (b) p{X 2}, (c) p{X 2}, (d) p{ 1 X 3}.
Paso 1: Describir El Experimento Aleatorio.
R= lanzar 4 monedas
Paso 2: Construir El Espacio Muestral.
R= S = (c,c,c,c,) (a,a,a,a) (c,c,a,a,) (c,c,c,a) (a,a,a,c) (c,a,a,a)
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 24
nORr = 16
Estadstica II
17 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 3: Definir Una Variable Aleatoria.
R= X = numero de caras
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 0,1,2,3,4 } Caras
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
R= Modelo binomial por que tiene dos resultados ya sea fracaso o xito.
P = xito (1/2)
q = fracaso (1/2)
N = Cuantas monedas 4
FORMULA: P(x) = N!
X! (N-X) ! (PX) (q n-x)
SOLUCION:
(A) P (3) = 4!
3! (4-3) ! [(1/2)3] [(1/2)
4-3]
P (3) = 24
6 (1) ! (1/8) [(1/2) 1]
P (3) = 24
(6) (1) (1/8) (1/2)
P (3) = 24
6 (1/8) (1/2)
P (3) = (4) (1/8) (1/2)
P (3) = 4/16 4 =
Estadstica II
18 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(B) 1.- P (0) = 4!
0! (4-0) ! [(1/2)0] [(1/2)
4-0]
P (0) = 24
1 (4) ! (1/1) [(1/2) 4]
P (0) = 24
1 (24) (1/1) [(1/16) ]
P (0) = 24
24 (1/1) [(1/16) ]
P (0) = (1) (1) (1/16)
P (0) = 1/16
2. - P (1) = 4!
1! (4-1) ! [(1/2)1] [(1/2)
4-1]
P (1) = 24
1 (3) ! (1/2) [(1/2) 3]
P (1) = 24
1 (6) (1/2) (1/8)
P (1) = 24
6 (1/2) (1/8)
P (1) = (4) (1/2) (1/8)
P (1) = 4/16
Estadstica II
19 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(C) 3. - P (2) = 4!
2! (4-2) ! [(1/2)2] [(1/2)
4-2]
P (2) = 24
2 (2) ! (1/4) [(1/2) 2]
P (2) = 24
2 (2) (1/4) (1/4)
P (2) = 24
4 (1/4) (1/4)
P (2) = (4) (1/2) (1/8)
P (2) = 4/16
TABLA DEL EJERCICIO:
Caras X 0 1 2 3 4
P(x) 1/16 4/16 6/16 1/4 5/8
Estadstica II
20 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
4. De un total de 800 familias con 5 hijos cada una, cuantas cabe esperar que tengan (a) 3 nios (b) 5 nias (c) 2 o 3 nios. Suponer iguales la probabilidad de nio o Nina
Paso 1: Describir El Experimento Aleatorio.
R= Que nazcan 5 criaturas
Paso 2: Construir El Espacio Muestral.
R= nORr = nr
nORr = 25
nORr = 32
Paso 3: Definir Una Variable Aleatoria.
R= X = numero de nios que nazcan
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 0,1,2,3,4,5 } nios
P = xito (1/2/)
q = fracaso (1/2)
N = 5 nios requeridos
Estadstica II
21 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
FORMULA: P(x) = N!
X! (N-X) ! (PX) (q n-x)
SOLUCION:
P (0) = 5!
0! (5-0) ! [(1/2)0] [(1/2)
5-0]
P (0) = 120
1 (5) ! (1/1) [(1/2) 5]
P (0) = 120
1 (120) (1/1) [(1/32)]
P (0) = 120
120 (1/1) [(1/32)]
P (0) = (1) (1/1) (1/32)
P (0) = 1/32 = 0.03125 x 800 = 25
P (1) = 5!
1! (5-1) ! [(1/2)1] [(1/2)
5-1]
P (1) = 120
1 (4) ! (1/2) [(1/2) 4]
P (1) = 120
1 (24) (1/2) (1/16)
P (1) = 120
24 (1/2) (1/16)
P (1) = (5) (1/2) (1/16)
P (1) = 5/32 = 0.15625 x 800 = 125
Estadstica II
22 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
P (2) = 5!
2! (5-2) ! [(1/2)2] [(1/2)
5-2]
P (2) = 120
2 (3) ! (1/4) [(1/2) 3]
P (2) = 120
2 (6) (1/4) [(1/8)]
P (2) = 120
12 (1/4) (1/8)
P (2) = (10) (1/4) (1/8)
P (2) = 10/32 = 0.3125 x 800 = 250
(A) P (3) = 5!
3! (5-3) ! [(1/2)3] [(1/2)
5-3]
P (3) = 120
6 (2) ! (1/8) [(1/2) 2]
P (3) = 120
(6) (2) (1/8) (1/4)
P (3) = 120
12 (1/8) (1/4)
P (3) = (20) (1/8) (1/8)
P (3) = 10/32 = 0.3125 x 800 = 25
P (4) = 5!
4! (5-4) ! [(1/2)4] [(1/2)
5-4]
P (4) = 120
24 (1) ! (1/16) [(1/2) 1]
Estadstica II
23 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
P (4) = 120
(24) (1) (1/16) (1/2)
P (4) = 120
24 (1/16) (1/2)
P (4) = (5) (1/16) (1/2)
P (4) = 5/32 = 0.15625 X 800 = 125
(B) P (5) = 5!
5! (5-5) ! [(1/2)5] [(1/2)
5-5]
P (5) = 120
120 (0) ! (1/32) [(1/2) 0]
P (5) = 120
(120) (1) (1/32) (1/1)
P (5) = 120
120 (1/32) (1/1)
P (5) = (1) (1/32) (1/1)
P (5) = 1/32 = 0.03125 x 800 = 25
TABLA DEL EJERCICIO:
Caras X 0 1 2 3 4 5
P(x) 1/32 5/32 10/32 10/32 5/32 1/32
Estadstica II
24 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
5. Cul es la probabilidad de obtener 9 una vez en 3 lanzamientos de un por de dados?
Paso 1: Describir El Experimento Aleatorio.
R= Lanzar un par de dados 3 veces
Paso 2: Construir El Espacio Muestral.
R= nORr = nr
nORr = 113
nORr = 1331
Paso 3: Definir Una Variable Aleatoria.
R= X = numero de caras
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 1,2,3,4,5,6,7,8,9, }
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
P = xito (1/2/)
q = fracaso (1/2)
N = 5 nios requeridos
Estadstica II
25 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
FORMULA: P(x) = N!
X! (N-X) ! (PX) (q n-x)
SOLUCION:
P (9) = 9!
9! (9-9) ! [(1/2)9] [(1/2)
9-9]
P (9) = 362880
362880 (0) ! (1/1) [(1/2) 0]
P (9) = 362880
362880 (1) (1/512) (1)
P (9) = 362880
362880 (1/512) (1)
P (9) = (1) (1/512) (1)
P (9) = 1/512
6. Hallar la probabilidad de contestar correctamente al menos 6 de las 10 preguntas de un examen falso-verdadero.
Paso 1: Describir El Experimento Aleatorio.
R= Contestar correctamente 6 preguntas
Estadstica II
26 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 2: Construir El Espacio Muestral.
R= nORr = nr
nORr = 210
nORr = 1024
Paso 3: Definir Una Variable Aleatoria.
R= X = numero de caras
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 6,7,8,9,10 } Contestar 6 respuestas por lo menos
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
R= Modelo binomial por que tiene dos resultados ya sea verdadero y falso.
P = xito (1/2)
q = fracaso (1/2)
N = Cuantas monedas 10
Estadstica II
27 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
FORMULA: P(x) = N!
X! (N-X) ! (PX) (q n-x)
P (6) = 10!
6! (10-6) ! [(1/2)6] [(1/2)
10-6]
P (6) = 3628800
720 (4) ! (1/64) [(1/2) 4]
P (6) = 3628800
(720) (24) (1/64) (1/16)
P (6) = 3628800
17280 (1/64) (1/16)
P (6) = (210) (1/64) (1/16)
P (6) = 210/1024 = 105/512
P (7) = 10!
7! (10-7) ! [(1/2)7] [(1/2)
10-7]
P (7) = 3628800
5040 (3) ! (1/128) [(1/2) 3]
P (7) = 3628800
(5040) (6) (1/128) (1/8)
P (7) = 3628800
30240 (1/128) (1/8)
P (7) = (120) (1/128) (1/8)
P (7) = 120/1024 = 15/128
Estadstica II
28 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
P (8) = 10!
8! (10-8) ! [(1/2)8] [(1/2)
10-8]
P (8) = 3628800
40320 (2) ! (1/256) [(1/2) 2]
P (8) = 3628800
(40320) (2) (1/256) (1/4)
P (8) = 3628800
80640 (1/256) (1/4)
P (8) = (45) (1/256) (1/4)
P (8) = 45/1024
P (9) = 10!
9! (10-9) ! [(1/2)9] [(1/2)
10-9]
P (9) = 3628800
362880 (2) ! (1/256) [(1/2) 1]
P (9) = 3628800
(362880) (2) (1/256) (1/2)
P (9) = 3628800
725760 (1/256) (1/2)
P (9) = (5) (1/256) (1/2)
P (9) = 5/512
Estadstica II
29 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
P (10) = 10!
10! (10-9) ! [(1/2)10
] [(1/2) 10-10
]
P (10) = 3628800
3628800 (1) ! (1/1024) [(1/1) 0]
P (10) = 3628800
(362880) (1) (1/1024) (1/1)
P (10) = 3628800
3628800 (1/1024) (1/1)
P (10) = (1) (1/1024) (1/1)
P (10) = 1/1024
Caras X 6 7 8 9 10
P(x) 105/512 15/128 45/1024 5/512 1/1024 = 193/512
Muestra de Dos Elementos con Reemplazo:
PARAMETRO
UNIVERSO
6 4
2 3
Estadstica II
30 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 1: Describir El Experimento Aleatorio.
R= Sacar muestras de 2 elementos con reemplazo.
Paso 2: Construir El Espacio Muestral.
R= S = 2,2 3,2 4,2 6,2 (estadstico)
2,3 3,3 4,3 6,3 = 16
2,4 3,4 4,4 6,4
2,6 3,6 4,6 6,6
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 42
nORr = 16
Paso 3: Definir Una Variable Aleatoria.
R= X = La media de cada muestra
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 2, 2.5, 3, 3.5, 4, 4.5, 5, 6 }
Estadstica II
31 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
Paso 6: Calcular la media de la distribucin muestral de media.
2 (1/16) + 2.5 (2/16) + 3 (3/16) + 3.5 (2/16) + 4 (3/16) + 4.5 (2/16) + 5 (2/16) + 6
(1/16) =
2/16 + 5/16 + 9/16 + 7/16 + 12/16 + 9/16 + 10/16 + 6/16 = 60/16 = 3.75
Comprobacin:
6 + 4 + 2 + 3 = 15/4 = 3.75
Distribucin Muestral de Medias:
Media: Mx = M
Con Reemplazo:
Q
D. Estndar: Qx =
N
X 2 2.5 3 3.5 4 4.5 5 6 SUMA
Px(x) 1/16 2/16 3/16 2/16 3/16 2/16 2/16 1/16 16/16 = 1
Estadstica II
32 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Formula De La Desviacin Estndar:
n
(X )2
i = 1
n
X X- (X- )
2 3.75 - 1.75 3.0625
3 3.75 0.75 0.5625
4 3.75 0.25 0.0625
6 3.75 2.25 5.0625
8.75
= 3.75 4
Q = 1.4790
= 2.1875
Q = 1.4790
Q 1.4790
Qx = Qx =
N 2
1.4790
Qx = Qx = 1.04581
1.414213
Estadstica II
33 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
X X- (X- )2 Px(X) (Px(x))((x- )
2)
2 3.75 -1.75 3.0625 1/16 0.191406
2.5 3.75 -1.25 1.5625 2/16 0.1953
3 3.75 -0.75 0.5625 3/16 0.1054
3.5 3.75 -0.75 0.0625 2/16 0.0078
4 3.75 0.25 0.0625 3/16 0.0116
4.5 3.75 0.75 0.5625 2/16 0.0703
5 3.75 1.25 1.5625 2/16 0.1953
6 3.75 2.25 5.0625 1/16 0.3169
Q2 = 1.0939
Q = 1.0939
Q = 1.0458
2.2.- Distribucin Normal.
CONTINUAS
SON NORMALES SIMETRICAMENTE VALOR MAS COMUN-MEDIA DISTRIBUCIN
NORMAL. NO SON NORMALES PERO SE COMPORTAN
DE MANERANORMAL
.
1
Y = e -1/2
(x ) 2/ 2
2
= Media
= Desviacin estndar o desviacin tpica
Estadstica II
34 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
= 0 Z X
= 1
Por lo tanto la formula para resolver problemas de distribucin normal es:
Uno de los mas importantes ejemplos de una distribucin de probabilidad continua es la
distribucin normal, curva normal o distribucin de gauss dada por la ecuacin.
1 2 / 2
Y = e -1/2 (X M )
2
TRANSFORMAR
X -
Z =
Estadstica II
35 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Algunas propiedades de la distribucin normal se indican en la siguiente tabla:
Media
Varianza 2
Desviacin Tpica
Coeficiente de sesgo 3 = 0
Coeficiente de curtosis 4 = 3
Desviacin Media
2 / = 0.7979
EJEMPLOS:
1. En un examen de estadstica la media fue 7.8 y la desviacin tpica 10 (a) Determinar las referencias tipificadas de dos estudiantes cuyas puntuaciones fueron
93 y 62, respectivamente, (b) Determinar las puntuaciones de dos estudiantes cuyas
referencias tipificadas fueron -0.6 y 1.2 respectivamente.
X = + Z
x 2= 62 = 78 x1= 93 z2= -1.6 = 0 z1= 1.5
= 10 - 0.6 = 1
FORMULAS: x -
Z =
Estadstica II
36 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
X = + Z PROCEDIMIENTO:
(A) Z= 93 78 (B) Z= 62 78
10 10
Z= 15 Z= -16
10 10
Z = 1.5 Z = -1.6
(X1) X1 = + Z (X2) X2 = + Z X1 = 78 + (-0.6) (10) X2 = 78 + (1.2) (10)
X1 = 78 - 6 X2 = 78 - 12
X1 = 72 X2 = 92
2. Hallar (a) la media y (b) la desviacin tpica de un examen en e que as puntuaciones de 70 y 88 tienen una referencias tipificadas de -0.6 y 1.4 respectivamente.
DATOS: FORMULA: X1 = 70
Z1 = -0.6 = X - Z X2 = 88
Z2 = 1.4
SUSTITUCIN:
= X1 - Z1 = X2 - Z2 70 + 0.6 = 88 1.4
= 70 (-0.6) = 88 1.4 = 0.6 + 1.4 = 88 - 70
= 70 + 0.6 2 = 18
= 18/2
= 9
Estadstica II
37 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
= X1 - Z1 = X2 - Z2
= 70 + 0.6 (9) = 88 1.4 (9)
= 70 + 5.4 = 88 12.6
= 75.4 = 75.4
3. Hallar el rea bajo la curva normal entre (a) z = -1.20 y z = 2.40, (b) z = 1.23 y z = 1.87, (c) z = -2.35 y z -0.50.
RESULTADOS:
(A)
x z1 = -1.20 Z= 0 z2 = 2.40 Z1 = - 1.20 Tabla = 0.3849
Z2 = 2.40 Tabla = 0.4918
R = 0.8767
NOTA: Los porcentajes se sacan de la tabla de reas bajo la curva normal tipificada de 0 a Z.
(B)
Z= 0 z1 = z2 = 1. 23 1. 87
Z1 = 1.23 Tabla = 0.3907
Z2 = 1.87 Tabla = 0.4693
Estadstica II
38 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
R = 0.0786
(C)
z1 = z2 = Z= 0 -2. 35 - 0.50
Z1 = - 2.35 Tabla = 0.4906
Z2 = - 0.50 Tabla = 0.1915
R = 0.2991
4. Hallar el rea bajo la curva normal (a) a la izquierda de z = -1.78 (b) a la izquierda de z = 0.56 (c) a la derecha de z = -1.45 (d) correspondiente a z > 2.16, (e)
correspondiente a 0.80 < z < 1.53, (f) a la izquierda de z = -2.52 y a la derecha de
z = 1.83. RESULTADOS:
(A) 50% 50%
z1 = -1.78 Z= 0
Z1 = - 1.78 Tabla = 0.4625 0.5000
0.4625
0.0375
NOTA: Los porcentajes se sacan de la tabla de reas bajo la curva normal tipificada de 0 a Z.
Estadstica II
39 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(B) 50% 50%
Z= 0 z1 = 0. 56
Z1 = 0.56 Tabla = 0.2123 0.5000
0.2123
0.7123
(C) 50% 50%
z1 = -1. 45 Z= 0
Z1 = -1.45 Tabla = 0.4265 0.5000
+ 0.4265
0.9265
Estadstica II
40 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(D) 50% 50%
Z= 0 z1 = 2.16
Z1 = 2.16 Tabla = 0.4846 0.5000
0.4846
0.0154
(E) 50% 50%
z1 = - 0. 8 Z= 0 z2 = 1. 53
Z1 = - 0.8 Tabla = 0.2881 0.2881
Z1 = 1.53 Tabla = 0.4370 + 0.4370
0.7251
Estadstica II
41 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(E) 50% 50%
z1 = - 2. 52 Z= 0 z2 = 1. 83
Z1 = - 2.52 Tabla = 0.4941 0.5000 0.5000
Z2 = 1.83 Tabla = 0.4664 - 0.4941 - 0.4664
0.0059 0.0336
R = 0.0059 + 0.0336 = 0.0395
5. Si la altura de 300 estudiantes se distribuyen normalmente con media 68.0 pulgadas y desviacin tpica 3.0 pulgadas, cuantos estudiantes tienen alturas (a) mayor de 72
pulgadas, (b) menor o igual a 64 pulgadas, (c) entre 65 y 71 pulgadas inclusive, (d)
igual a 68 pulgadas. Supngase las medidas, registradas con aproximacin de
pulgada.
1 pulgada = 2.54cm x 1.30 pulg. = 3.302 cm. = 3.30 mts.
Paso 1: Describir El Experimento Aleatorio.
R= Seleccionar uno de los 300 estudiantes aleatoriamente y medirlo.
Paso 2: Construir El Espacio Muestral.
R= S = {e / 0 < e < 130}
Estadstica II
42 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 3: Definir Una Variable Aleatoria.
R= X= estatura de los estudiantes
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = {X / 0 < X < 130}
La estatura de cualquier estudiante que mida de 0 a 130.
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
R= Calcular la probabilidad de inters.
(A) Mayor de 72 pulgadas.
50% 50%
=68. 0 72. 5 = 0 z = 1. 5
= 3.0
FORMULA: X -
Z =
Estadstica II
43 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
SUSTITUCION:
Z = 72.5 68.0 Z = 1.5 Tabla = 0.4332
3.0
Z = 0.5000
Z = 4.5 - 0.4332
3.0 0.0668
x 300
Z = 1.5 20.04 = 20
(B) Menor o igual a 64. 50% 50%
64.5 =68. 0 z = -1. 17 = 0
= 3.0
FORMULA: X -
Z =
SUSTITUCION:
Z = 64.5 68.0 Z = -1.17 Tabla = 0.3790
3.0
Z = 0.5000
Z = 3.5 - 0.3790
3.0 0.121
x 300
Z = -1.17 36.3 = 36
Estadstica II
44 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(C) Entre 65 y 71 pulgadas inclusive. 50% 50%
64.5 =68. 0 71. .5 z = -1. 17 = 0
= 3.0 X = 68
FORMULA: X -
Z =
SUSTITUCION:
Z = 64.5 68.0 Z = 68 71.5 1.17 0.3790
3.0 3.0
Z = - 3.5 1.17 0.3790
Z = 3.5 3.0 0.7580
3.0 Z = - 1.17
Z = -1.17 P (65 < X < 71) = 0.7580 = 75%
N. de estudiantes = 300 (0.7580)
= 227 %
Estadstica II
45 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(D) Igual a 68 pulgadas.
67.5 =68. 0 68. 5 = 0
= 3.0 X = 68
FORMULA: X -
Z =
SUSTITUCION:
Z = 67.5 68.0 Z = 68 68 0.17 0.0675
3.0 3.0
Z = 0.5 0.17 0.0675
Z = - 0.5 3.0 0.1350
3.0 Z = 0.17
Z = -1.17 P (x = 68) = 0.1350 = 13.5
N. de estudiantes = 300 (0.1350)
= 40.5
Estadstica II
46 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
6. Si los dimetros de cojinetes de bolas se distribuyen normalmente con media 0.6140 pulgadas y desviacin tpica 0.0025 pulgadas, determinar el porcentaje de cojinetes
de bolas con dimetros (a) entre 0.610 y 0.618 pulgadas inclusive (b) mayor de 0.617
pulgadas, (c) menor de 0.608 pulgadas, (d) igual a 0.615 pulgadas.
(A) Entre 0.610 y 0.018.
0. 6095 =68. 0 0. 6185 = 0
= 3.0
FORMULA: X -
Z =
SUSTITUCION:
Z1 = 0.6095 0.6140 Z2 = 0.6185 0.6140 0.17 0.4641
0.0025 0.0025
Z2 = 0.0045 0.17 0.4641
Z1 = - 0.0045 0.0045 0.9282
0.0025 Z2 = 1.8
Z1 = -1.8 92.82% = 93%
Estadstica II
47 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(B) Mayor de 0.617.
0.6175
= 0. 6140 = 0
= 3.0 X = 1.4
FORMULA: X -
Z =
SUSTITUCION:
Z = 0.6175 0.6140 - 0.5000
0.0025 0.4192
Z = 0.0035 0.0808 x 100 = 8.08 = 8.1
0.0025
Z = 1.4
Estadstica II
48 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(C) Menor de 0.608 pulg.
0.608 = 0.6075 50%
= 0. 6140 z = -2.6 = 0
= 0.0025 X = 1.4
FORMULA: X -
Z =
SUSTITUCION:
Z = 0.6075 0.6140 - 0.5000
0.0025 0.4953
Z = -0.0065 0.0047 x 100 = 0.47%
0.0025
Z = -2.6 = 0.4953
Estadstica II
49 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
(D) Igual a 0.615 pulg.
x1 = 0.6145 x2 = 0.6155 50% z2 = -0.6
= 0. 6140 = 0 z1= -0.2
= 0.0025
FORMULA: X -
Z =
SUSTITUCION:
Z1 = 0.6140 0.6140 Z2 = 0.6140 0.6155
0.0025 0.0025
Z1 = -0.0005 Z2 = -0.0015 0.0793
0.0025 0.0025 + 0.2258
Z1 = -0.2 = 0.0793 Z2 = -0.6 = 0.2258 0.3051
Estadstica II
50 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
7. La puntuacin media en un examen fue 72 y la desviacin tpica 9. El 10% superior de los alumnos reciben la calificacin A. Cul es la puntuacin mnima que un
estudiante debe tener para recibir una A?
DE ATRS HACIA DELANTE:
DATOS: FORMULA:
M= 72
Q= 9 X = Z1 Q + M
Z1= 1.28 Tabla
%= ?
SUSTITUCION: X = 1.28 (9) + 72
X = 11.52 + 72
X = 83.52
0.3997 10%
X = 84
AHORA DE ADELANTE HACIA ATRS:
= 72 X= 84 = 0 z = 1.28
FORMULA: X -
Z =
SUSTITUCION:
Z = 83.52 72 0.5000
9 0.3997
Z = 11.52 0.1003 x 100 = 10%
9
Z = 1.28 = 0.3997
Estadstica II
51 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
2.3.- Muestreo Aleatorio Simple.
Teora De Muestreo
La teora de muestreo es un estudio de las relaciones existentes entre una
poblacin y muestras extradas de la misma. Tiene gran inters en muchos
aspectos de la estadstica. Por ejemplo, permite estimar cantidades
desconocidas de la poblacin (tales como la media poblacional, la
varianza, etc.), frecuentemente llamadas parmetros poblacionales o
brevemente parmetros, a partir del conocimiento de las correspondientes
cantidades mustrales (tales como la media muestral, la varianza, etc.), a
menudo llamadas estadsticos mustrales o brevemente estadsticos.
La teora de muestreo es tambin til para determinar si las diferencias
que se puedan observar entre dos muestras son debidas a la aleatoriedad
de las mismas o si por el contrario son realmente significativas. Tales
preguntas surgen, por ejemplo, al ensayar un nuevo suero para el
tratamiento de una enfermedad, o al decidir si un proceso de produccin
es mejor que otro. Estas decisiones envuelven a los llamados ensayos e
hiptesis de significacin, que tienen gran importancia en teora de la
decisin.
Estadstica II
52 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
En general, un estudio de inferencias, realizado sobre una poblacin
mediante muestras extradas de la misma, junto con las indicaciones sobre
la exactitud de tales inferencias aplicadas a la teora de la misma, junto
con las indicaciones sobre la exactitud de tales inferencias aplicadas a la
teora de la probabilidad, se conoce como inferencia estadstica.
Muestras Al Azar. (Nmeros Aleatorios)
Para que las conclusiones de la teora del muestreo e inferencia
estadstica sean validas, las muestras deben elegirse de forma que sean
representativas de la poblacin. Un estudio sobre mtodos de muestreo y
los problemas que tales mtodos implican, se conoce como diseos de
experimentos.
El proceso mediante el cual se extrae de una poblacin una muestra
representativa de la misma se conoce como muestreo al azar, deacuerdo
con ello cada miembro de la poblacin tiene la misma posibilidad de ser
incluido en la muestra. Una tcnica para obtener una muestra al azar es
asignar nmeros a cada miembro de la poblacin, escritos estos nmeros
en pequeos papeles, se introducen en una urna y despus se extraen
nmeros de la urna, teniendo cuidado de de mezclarlos bien antes de cada
extraccin. Esto puede ser sustituido por el empleo de una tabla de
nmeros aleatorios.
Estadstica II
53 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Muestreo Con Y Sin Remplazamiento
Si se extrae un numero de una urna, se puede volver o no el numero a la
urna antes de realizar una segunda extraccin. En el primer caso, un
mismo nmero puede salir varias veces, mientras que en el segundo un
nmero determinado solamente puede salir una vez. El muestreo, en el
que cada miembro de la poblacin puede elegirse ms de una vez, se
llama muestreo con remplazamiento, mientras que si cada miembro no
puede ser elegido ms de una vez se tiene el muestreo sin
remplazamiento.
Las poblaciones pueden ser finitas o infinitas. Si, por ejemplo, se extraen
sucesivamente 10 bolas sin remplazamiento de una urna que contiene
100, se esta tomando una muestra de una poblacin finita, mientras que si
se lanza al aire una moneda 50 veces, anotndose el numero de caras, se
esta muestreando en una poblacin infinita.
Una poblacin finita, en la que se realiza un muestreo con remplazamiento,
puede tericamente ser considerada como infinita, puesto que puede
extraerse cualquier nmero de muestras sin agotar la poblacin. E muchos
casos prcticos, el muestreo de una poblacin finita que es muy grande,
pueden considerarse como muestreo de una poblacin infinita.
Estadstica II
54 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
2.4.- Distribuciones Mustrales
Considerndose todas las posibles muestras de tamao N que pueden
extraerse de una poblacin dada (con o sin remplazamiento). Para cada
muestra se puede calcular un estadstico, tal como la media, la desviacin
tpica, etc., que variara de una muestra a otra. De esta forma se obtiene
una distribucin del estadstico que se conoce como distribucin muestral.
Si, por ejemplo, el estadstico de que se trata es la media muestral, la
distribucin se conoce como distribucin muestral de medias o distribucin
muestral de la meda. Anlogamente se obtendra las distribuciones
mustrales de las desviaciones tpicas, etc. As, pues, se puede hablar de
la media y desviacin tpica de la distribucin muestral de medias, etc.
Estadstica II
55 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
2.4.1.- Distribucin Muestral de Medias.
Supngase que son extradas de una poblacin finita todas las
posibles muestras sin remplazamiento de tamao N, siendo el
tamao de la poblacin Np > N. Si se denota la media y la
desviacin tpica de la distribucin muestral de medias por x y
x y la media y la desviacin tpica de la poblacin por y ,
respectivamente se tiene:
Np - N
y x = N Np - 1
Si la poblacin es infinita o si el muestreo es con
remplazamiento, los resultados anteriores se convierten en:
x = y x = N
x =
Estadstica II
56 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Para valores grandes de N(N > 30) la distribucin muestral de medias se
aproxima a una distribucin normal con media x y desviacin tpica x
independientemente de la poblacin de que se trate (siempre que la media
y la varianza poblacional sean finitas y el tamao de la poblacin sea la
menos dos veces el tamao de la muestra ). Este resultado en una
poblacin infinita es un caso especial del teorema central del lmite de
teora de probabilidad superior, que demuestra que la aproximacin es
tanto mejor conforme N se hace mayor. Esto se indica diciendo que la
distribucin muestral es sintticamente normal. En caso de que la
distribucin se distribuya normalmente, la distribucin muestral de medias
se distribuye tambin normalmente, incluso para pequeos valores de N
(es decir, N < 30).
2.4.2.- Distribucin Muestral de Proporciones
Supngase una poblacin infinita y que la probabilidad de ocurrencia de un
suceso (conocido como su xito) es p, mientras que la probabilidad de no
ocurrencia del suceso es q = 1 p. Por ejemplo, la poblacin pueden ser
todos los posibles lanzamientos de una moneda, en la que la probabilidad
del suceso (cara) es p = .
Estadstica II
57 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Se consideran todas las posibles muestras de tamao N extradas de esta
poblacin y para cada muestra se determina la proporcin p de xito. En
el caso de la moneda, P seria la proporcin de caras aparecidas en los N
lanzamientos. Entonces se obtiene una distribucin muestral de
proporciones cuya media p y desviacin t6ipica p vienen dadas por:
Pq p(1 p) x = y x = N = N
Que pueden obtenerse de (2) sustituyendo por q y por pq.
Para grandes valores de N (es decir, N < 30) la distribucin muestral se
aproxima mucho a una distribucin normal. Ntese que la poblacin se
distribuye binominalmente.
Las ecuaciones (3) son igualmente validas para una poblacin finita en la
que el muestreo se hace con remplazamiento.
Para poblaciones finitas y muestreo sin remplazamiento, las ecuaciones
(3) pasan a ser como las ecuaciones (1) con = p y = pq.
Advirtase que las ecuaciones (3) se obtienen mas fcilmente dividiendo la
media y la desviacin tpica (Np y Npq) de la distribucin binominal por N.
Estadstica II
58 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
2.4.3.- Distribucin Muestral de Diferencias y Sumas.
Supnganse que se tienen dos poblaciones. Para cada muestra de
tamao N1, extrada de la primera poblacin se calcula un estudio S1. Esto
proporciona una distribucin muestral del estadstico S1 cuya medida y
desviacin tpica vienen dadas por s1 y s1, respectivamente.
Anlogamente, para cada muestra de tamao N2, extrada de la segunda
poblacin, se calcula un estadstico S2. Esto igualmente proporciona una
distribucin muestral del estadstico S2, cuya media y desviacin tpica
vienen dadas por s2 y s2. De todas las posibles combinaciones de estas
muestras de las dos poblaciones se puede obtener una distribucin de las
diferencias, S1 S2 que se conoce como distribucin muestral de
diferencias de los estadsticos. La medida y la varianza de esta distribucin
muestral se denotan, respectivamente, por s1- S2 y s1 S2 y son
dadas por
s1 S2 = s1 s2 y s1 S2 = 2S1 + 2s2 (4)
Con tal de que las muestras no dependan de ninguna forma una de otra,
es decir, las muestras sean independientes.
Estadstica II
59 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Si S1 y S2 son las medidas mustrales de las dos poblaciones, las cuales
vienen dadas por X1 y X2, entonces la distribucin muestral de la
diferencias de medias para poblaciones infinitas con medidas y
desviaciones tpicas 1, 1 y 2, 2, respectivamente, tienen por media y
desviacin tpica.
x1-x2 = x1 x2 = 1 2 y x1- x2 = 2x1 + 2x2 = 2+ 2
1 2 (5)
N1 N2
Usando las ecuaciones (2). El resultado se mantiene valido para
poblaciones finitas si el muestreo es con remplazamiento.
Resultados similares pueden obtenerse para poblaciones finitas en las que
el muestreo se realiza sin remplazamiento partiendo de las ecuaciones (1).
Resultados correspondientes pueden deducirse para las distribuciones
mustrales de diferencias de proporcin de dos poblaciones distribuidas
binominalmente con parmetros p1, q1 y p2, q2, respectivamente. En este
Estadstica II
60 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
caso S1 y S2 corresponden a las proporciones de xito, P1 y P2, y las
ecuaciones (4) dan los resultados.
p1 p2 = p1 p2 = p1 p2 y p1-p2 = 2p1 + 2p2 = p1q1 p2q2
N1 N2 (6)
Si N1 y N2 son grandes (N1, N2 = 30), las distribuciones mustrales de
diferencia de medias o proporciones se distribuyen muy aproximadamente
como un normal.
A veces, es til hablar de la distribucin muestral de la suma de
estadsticos. La media y la desviacin tpica de esta distribucin viene
dada por
s1+s2 = s1 + s2 y s1+s2 = 2s1 + 2s2 (7)
Suponiendo que las muestras son independientes.
Estadstica II
61 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
2.5.- Otros Ejercicios.
1) Muestra De Dos Elementos Con Reemplazo:
PARAMETRO
UNIVERSO
Paso 1: Describir El Experimento Aleatorio.
R= Sacar muestras de 2 elementos con reemplazo.
Paso 2: Construir El Espacio Muestral.
R= S = 2,2 3,2 4,2 6,2 (estadstico)
2,3 3,3 4,3 6,3 = 16
2,4 3,4 4,4 6,4
2,6 3,6 4,6 6,6
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 42
nORr = 16
Paso 3: Definir Una Variable Aleatoria.
R= X = La media de cada muestra
6 4
2 3
Estadstica II
62 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 2, 2.5, 3, 3.5, 4, 4.5, 5, 6 }
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
Paso 6: Calcular la media de la distribucin muestral de media.
2 (1/16) + 2.5 (2/16) + 3 (3/16) + 3.5 (2/16) + 4 (3/16) + 4.5 (2/16) + 5 (2/16) + 6
(1/16) =
2/16 + 5/16 + 9/16 + 7/16 + 12/16 + 9/16 + 10/16 + 6/16 = 60/16 = 3.75
Comprobacin:
6 + 4 + 2 + 3 = 15/4 = 3.75
X 2 2.5 3 3.5 4 4.5 5 6 SUMA
Px(x) 1/16 2/16 3/16 2/16 3/16 2/16 2/16 1/16 16/16 = 1
Estadstica II
63 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Distribucin Maestral De Medias:
Media: Mx = M
Con Reemplazo:
Q
D. Estndar: Qx =
N
Formula De La Desviacin Estndar:
n
(X )2
i = 1
n
X X- (X- )
2 3.75 - 1.75 3.0625
3 3.75 0.75 0.5625
4 3.75 0.25 0.0625
6 3.75 2.25 5.0625
Estadstica II
64 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
8.75
= 3.75 4
Q = 1.4790
= 2.1875
Q = 1.4790
Q 1.4790
Qx = Qx =
N 2
1.4790
Qx = Qx = 1.04581
1.414213
X X- (X- )2 Px(X) (Px(x))((x- )
2)
2 3.75 -1.75 3.0625 1/16 0.191406
2.5 3.75 -1.25 1.5625 2/16 0.1953
3 3.75 -0.75 0.5625 3/16 0.1054
3.5 3.75 -0.75 0.0625 2/16 0.0078
4 3.75 0.25 0.0625 3/16 0.0116
4.5 3.75 0.75 0.5625 2/16 0.0703
5 3.75 1.25 1.5625 2/16 0.1953
6 3.75 2.25 5.0625 1/16 0.3169
Q2 = 1.0939
Q = 1.0939
Q = 1.0458
Estadstica II
65 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
2) Muestra De Dos Elementos sin Reemplazo:
PARAMETRO
UNIVERSO
Paso 1: Describir El Experimento Aleatorio.
R= Sacar muestras de 2 elementos sin reemplazo.
Paso 2: Construir El Espacio Muestral.
R= S = 2,3 3,2 4,2 6,2 (estadstico)
2,4 3,4 4,3 6,3 = 12
2,6 3,6 4,6 6,4
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nOr = 4! nOr = 24/2
(4 2) !
nOr = 12
nOr = 24
2 !
nOr = 24/2
Paso 3: Definir Una Variable Aleatoria.
R= X = La media de cada muestra
6 4
2 3
Estadstica II
66 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 2.5, 3, 3.5, 4, 4.5, 5 }
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
Paso 6: Calcular la media de la distribucin muestral de media.
Mx = 2.5 (2/12) + 3 (2/12) + 3.5 (2/12) + 4 (2/12) + 4.5 (2/12) + 5 (2/12) =
Mx = 5/12 + 6/12 + 7/12 + 8/12 + 9/12 +10/12 = 3.75
COMPROBACIN:
6 + 4 + 2 + 3 = 15/4 = 3.75
Distribucin Maestral De Medias:
Media: Mx = M
Sin Reemplazo:
Q
D. Estndar: Qx = NP - N
N NP - 1
X 2.5 3 3.5 4 4.5 5 TOTAL
Px(x) 2/12 2/12 2/12 2/12 2/12 2/12 12/12
= 1
Estadstica II
67 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Formula De La Desviacin Estndar:
X X- (X- )2 Px(X) (Px(x))((x- )
2)
2.5 3.75 -1.25 1.5625 2/12 0.2604166
3 3.75 -0.75 0.5625 2/12 0.09375
3.5 3.75 -0.75 0.0625 2/12 0.0104166
4 3.75 0.25 0.0625 2/12 0.0104166
4.5 3.75 0.75 0.5625 2/12 0.09375
5 3.75 1.25 1.5625 2/12 0.2604166
Q2 = 0.7291664
Q = 0.7291664
Q = 0.8539
3) Una poblacin esta formada por los cuatro nmeros 3, 7, 11, 15. Considerar todas la s posibles muestras de tamao dos que pueden extraerse de esta poblacin con
remplazamiento. Hallar (a) la media poblacional, (b) la desviacin tpica
poblacional, (c) la media de la distribucin muestral de medias, (d) la desviacin
tpica de la distribucin muestral de medias. Encontrar (c) y (d) directamente de (a)
y (b) mediante las formulas adecuadas.
PARAMETRO
UNIVERSO
Paso 1: Describir El Experimento Aleatorio.
R= Sacar muestras de 2 elementos con reemplazo.
3 7
11 15
Estadstica II
68 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 2: Construir El Espacio Muestral.
R= S = 3,3 7,3 11,3 15,3 (estadstico)
3,7 7,7 11,7 15,7 = 16
3,11 7,11 11,11 15,11
3.15 7,15 11,15 15,15
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 42
nORr = 16
Paso 3: Definir Una Variable Aleatoria.
R= X = La media de cada muestra
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 3, 5, 7, 9, 11, 13, 15}
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
X 3 5 7 9 11 13 15 SUMA
Px(x) 1/16 2/16 3/16 4/16 3/16 2/16 1/16 16/16
= 1
Estadstica II
69 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Paso 6: Calcular la media de la distribucin muestral de media.
Mx = 3 (1/16) + 5 (2/16) + 7 (3/16) + 9 (4/16) + 11 (3/16) + 13 (2/16) + 15 (1/16) =
Mx = 13/16 + 10/16 + 21/16 + 36/16 + 33/16 + 26/16 + 15/16 = 144/16 = 9
COMPROBACIN:
3 + 7 + 11 + 15 = 36/4 = 9
X X- (X- )
3 9 - 6 36
7 9 - 2 4
11 9 2 4
15 9 6 36
36 + 4 + 4 + 36 = 80
Q = 80/4 M = 9
Q = 20 Q= 4.4721
Q= 4.472135955
Estadstica II
70 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
X X- (X- )2 Px(X) (Px(x))((x- )
2)
2.5 3.75 -1.25 1.5625 2/12 0.2604166
3 3.75 -0.75 0.5625 2/12 0.09375
3.5 3.75 -0.75 0.0625 2/12 0.0104166
4 3.75 0.25 0.0625 2/12 0.0104166
4.5 3.75 0.75 0.5625 2/12 0.09375
5 3.75 1.25 1.5625 2/12 0.2604166
Q2 = 10
Q = 10
Q = 3.162
4) Los pesos de 1500 cojinetes de bolas se distribuyen normalmente con media de 22.40 onzas y desviacin tpica de 0.048 onzas. Si se extraen 300 muestras de tamao 36 de
esta poblacin, determinar la media esperada y la desviacin tpica de la
distribucin muestral de medias, si el muestreo se hace (a) con remplazamiento, (b)
sin remplazamiento.
CON REMPLAZO:
M = 22.40 Mx = M
Q = 0.048 M = 22.40 = 22.40
Muestra = 300 c.
Qx = Q Qx = 0.048/ 6
N Qx = 0.008
Qx = 0.048
36
Estadstica II
71 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
SIN REMPLAZO:
Q
D. Estndar: Qx = NP - N
N NP - 1
0.048
Qx = 300-36
36 300 - 1
0.048
Qx = 264
6 299
Qx = 0.008 ( 0.882943144 )
Qx = 0.008 ( 0.939650543 )
Qx = 0.0075
Qx = Menor que 0.008.
5) Resolver el problema anterior si la poblacin se compone de 72 cojines.
Mx = M
Q = 0.048
22.40 = 22.40
Qx = Q Qx = 0.048/ 6
N Qx = 0.008
Estadstica II
72 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
Qx = 0.048
36
Qx = Q
Np N
Np 1
N
Qx = 0.048
76 36
76 1
36
Qx = 0.048
36
75
6
Qx = 0.008 ( 0.507042254 )
Qx = 0.008 ( 0.712068995 )
Qx = 0.0075
Estadstica II
73 de 110
Jos Rafael Aguilera Aguilera F.C.C.A. - U.M.S.N.H.
TEMA 3: Teora de Estimacin Estadstica
3.1.- Estimacin de Parmetros.
En el ultimo capitulo se vio como la teora del muestreo poda emplearse
para obtener informacin acerca de muestras extradas al azar de una
poblacin conocida. Sin embargo, desde un punto de vista prctico, es
frecuentemente ms importante es el poder inferir informacin sobre una
poblacin mediante muestras extradas de ella.
Tales problemas son los tratados en la inferencia estadstica, basndose
en la teora del muestreo.
Un importante problema de la diferencia estadstica es la estimacin del
parmetro de la poblacin o brevemente parmetros (tales como la media,
varianza de la poblacin, etc.) a partir de los correspondientes estadsticos
mustrales o brevemente estadsticos (es decir, media muestral, varianza
muestral, etc.). En este capitulo se