INSTITUTO TECNOLÓGICO DE SAN JUAN
DEL RIO
ESTADÍSTICA
INFERENCIAL I
Profesor: ing José Antonio Osornio Sánchez
San Juan del Rio, QRO agosto de 2020
INSTITUTO TECNOLOGICO DE SAN JUAN DEL RIO
Unidad I: Distribuciones fundamentales para el muestreo.
INSTRUCCIONES: Leer cuidadosamente el archivo “1.1 Distribuciones
Muestrales” y desarrolla un ensayo de mínimo 1 cuartilla. Tendrán para subirlo
hasta le fecha límite indicado en la hoja de Tareas.
INSTITUTOTECNOLOGICO SAN JUAN DEL RIO ESTADISTICA INFERENCIAL 1 pág. 2
INSTITUTO TECNOLOGICO DE SAN JUAN DEL RIO
ENSAYO
Una distribución muestral es la distribución de probabilidad de un estimador o
estadígrafo que resulta de considerar todas las muestras posibles que pueden ser
tomadas de una población. Es decir, si se toman todas las muestras posibles en
una población y se obtienen los diferentes valores para un estimador y su
respectiva probabilidad, a esta distribución que se forma es lo que se denomina
Distribución Muestral. La importancia de conocer la distribución muestral de un
estadígrafo es que esta permite el proceso de inferencia del mismo. Dado que casi
nunca es posible tomar todas las muestras posibles de una población dada,
conociendo la distribución muestral del estimador se puede hacer la inferencia del
mismo a partir de una sola muestra. Con el estudio de la distribución muestral se
puede calcular la probabilidad que se tiene, dada una sola muestra, de acercarse
al parámetro de la población. De igual forma mediante la distribución muestral se
puede estimar el error para un tamaño de muestra dado. La fórmula para la
distribución muestral dependerá de la distribución de la población, del estadístico y
del tamaño de la muestra Los principales parámetros y su respectivo estimador o
estadígrafo se muestran a continuación: Parámetro Significado Estadígrafo µx
Media Poblacional X σ2 Varianza Poblacional S2 σ Desviación Estándar
Poblacional S P0 Proporción de éxitos px En la Población N Población n Un
aspecto importante en el estudio del comportamiento de una variable aleatoria lo
constituye del Teorema del Límite Central, el cual establece que sin importar la
forma que tenga una variable aleatoria, en la medida que se incrementa el tamaño
de la muestra, dicha variable tiende a tener forma de una distribución normal con
media µ y varianza σ2. La importancia del teorema es que cualquier estimador que
sea de interés se pueden obtener las diferentes probabilidades a partir de una
distribución normal. Distribución Muestral del promedio, ( X ) El promedio o media
aritmética es la medida de tendencia central.
Distribución Muestral y Estimación característica que la hacen ser la única medida
de tendencia central que soporta un proceso de inferencia estadística. Entre estas
características están: 1. (Xi – X ) = 0 2. (Xi – X )2 < (Xi – A)2 para todo A ≠ X
Para conocer las bondades del promedio muestral como estimador del promedio
poblacional.
Distribución Muestral y Estimación Como se muestra, el valor esperado del
promedio muestral es igual al promedio de la población y es por esta
característica, junto a las ya mencionadas que el promedio es la única medida de
tendencia central que el resultado obtenido en la muestra se puede inferir a la
población. Al observar el resultado de cada promedio en la muestra se nota que la
mayoría de estos difieren del promedio real, estas diferencias se miden por error
estándar del es tramador. De forma tal que el error estándar de un estimador mide
la diferencia esperada entre el estimador y el parámetro. Error estándar del
promedio o media aritmética, ( x ) El error estándar del promedio mide la
diferencia esperada entre el promedio de la muestra y el promedio de la población.
El error estándar del promedio se puede obtener a partir de la desviación estándar
de la variable estudiada de la siguiente forma. x x , si se conoce la
desviación estándar de la variable en la N población. Si la desviación estándar que
se tiene es calculada en una S muestra, el error estándar del promedio es S x x
n Distribución muestral de la proporción La proporción o porcentaje se define
INSTITUTOTECNOLOGICO SAN JUAN DEL RIO ESTADISTICA INFERENCIAL 1 pág. 3
INSTITUTO TECNOLOGICO DE SAN JUAN DEL RIO
como el cociente que resulta de dividir el número de casos favorables entre el
número de casos posibles.
La distribución muestral la mayoría de las decisiones que se toman se basan en
información obtenida a partir de una muestra, de forma que muy pocas veces se
puede conocer el parámetro poblacional por lo tanto para conocer dicho parámetro
es necesario recurrir a procedimiento de inferencia, es decir, utilizar la información
muestral para obtener información acerca de la población completa, que es a lo
que se denomina como estimación. La estimación es, por lo tanto, un proceso
mediante el cual se obtienen medidas aproximadas de un parámetro a partir de
una muestra. Las medidas calculadas a partir de una muestra se denominan
estimadores, ya que son medidas mediante las cuales se intenta obtener
información acerca de las medidas poblacionales. Al intentar obtener información
de una medida poblacional con datos de una muestra lo que más desea el
investigador es que la información obtenida en la muestra sea lo más parecida a la
información poblacional.
BIBLIOGRAFIA: José Armando Rodríguez Romo—DISTRIBUCIONES
MUESTRALES
INSTITUTOTECNOLOGICO SAN JUAN DEL RIO ESTADISTICA INFERENCIAL 1 pág. 4
