INGENIERÍA INDUSTRIAL
ESTADISTICA INFERENCIAL 1
ACTIVIDAD 2 TEMA 1
Profesor: Carlos Arellano Hernández
Alumno: Alan Salvador Palafox Guerrero
Fecha: 14/09/25
INTRODUCCION:
El campo de la inferencia estadística trata básicamente con las generalizaciones y
predicciones; es decir, deseamos conocer las características de una población o
parámetros por medio de las características de una muestra o estadísticos.
Población. Una población consiste en la totalidad de las observaciones e n las
cuales se está interesado. Muestra. Una muestra es un subconjunto de una
población. Si las inferencias de la muestra de una población han de ser válidas, es
importante obtener muestras representativas de la población. Para eliminar
cualquier posibilidad de sesgo, en el procedimiento muestral, es conveniente
seleccionar una muestra aleatoria en el sentido de que las observaciones se realicen
independientemente y al azar.
Muestreo Aleatorio
Cuando se hace una investigación estadística, después de definir el problema en
términos estadísticos y antes de recolectar los datos tenemos que decidir de qué
forma se van a recolectar dichos datos; es decir, que procedimiento vamos a utilizar
para obtener la muestra. Las razones por las cuales se utiliza el muestreo y no toda
la población son varias:
1. Las poblaciones que se investigan pueden ser infinitas.
2. Aún en el caso de poblaciones finitas, el muestreo es en muchos casos, el único
procedimiento práctico, pues, una población finita puede constar de millares o
millones de elementos y su enumeración completa es prácticamente imposible.
3. La medición de las propiedades de una población a veces requiere la destrucción
de sus elementos.
4. Los resultados obtenidos por el estudio de una muestra pue den ser iguales o aún
más precisos que los hallados en una medición completa de la población.
Los modelos de muestreo pueden agruparse convenientemente como muestreo
aleatorio y muestreo no aleatorio. El primero se conoce también como muestreo
probabilístico, porque el proceso de muestreo es al azar y pueden aplicarse las leyes
de probabilidad.
Muestreo Aleatorio Simple.
Si la población objetivo es finita, el método fundamental de selección es de la
siguiente manera:
1. Hacer una lista de los elementos de la población.
2. Numerar los elementos consecutivamente de la población.
3. Aplicar un método aleatorio (tablas de números aleatorios o la función random de
la calculadora), a la lista para seleccionar los elementos que constituirán la
muestra.
4. Si esta última operación se realiza veces obtenemos una muestra aleatoria simple
de n unidades, seleccionadas con reemplazo. S in embargo, se continúa este
procedimiento hasta que n unidades diferentes son seleccionadas y se ignoran
las repeticiones, se obtiene una muestra aleatoria simple, seleccionada sin
reemplazo.
Muestreo Aleatorio Sistemático
Para obtener una muestra sistemática al azar podemos numerar también las
unidades de muestreo de la población de 1 a N y se determina primero lo que se
conoce como intervalo de muestreo, k, luego se es coge al azar un número del
primer intervalo de muestreo. S i es te número es, por ejemplo a, con ≤ ka , entonces
la muestra de tamaño n tendría como elementos las unidades de muestreo cuyos
números de serie corresponden a: +++ ,k3a,k2a,ka,a
Muestreo Aleatorio Estratificado
El Proceso de estratificación requiere que la población sea dividida en grupos o
clases llamadas estratos. Dentro de cada uno de tales estratos, están los elementos
situados de manera más homogénea con respecto a las características de estudio.
Entonces se toma una muestra de cada estrato por métodos aleatorios simples, y la
muestra resultante se llama muestra estratificada.
Muestreo Aleatorio Por Conglomerados
Cuando los elementos de la población se dividen en forma natural en subgrupos o
conglomerados, que son similares entre sí, y cuyos elementos tiene una variabilidad
similar a los elementos de toda la población, es recomendable para tomar una
muestra de tal población, tomar una muestra de conglomerados e investigar todos
los elementos de los subgrupos seleccionados. Así, en un muestreo de este tipo
cada unidad de muestreo es una colección de elementos. Para realizar un muestreo
aleatorio por conglomerados, primero se de terminan claramente los subgrupos en
que se subdivide la población, en seguida se seleccionan aleatoriamente k de ellos
donde k es una constante, y se analizan todos los elementos de los conglomerados
seleccionados.
Teorema de las Combinaciones Lineales de Variaciones Normales y Chi-Cuadrada
En estadística aplicada con frecuencia se necesita conocer la distribución de
probabilidad de una combinación lineal de variables aleatorias normales o Ji-
cuadrada independientes.
Es evidente que la distribución normal tiene una propiedad reproductiva en el sentido
de que las sumas de variables aleatorias independientes que tienen distribución
normal son variables aleatorias que también tienen una distribución normal. Esta
propiedad también la posee la distribución Ji-cuadrada.
Teorema del Límite central.
Distribución Muestral de la Media. O Conocida Suponga que se toma una muestra
aleatoria de tamaño n de una población con media µ y varianza 2 σ. Cada
observación en la muestra 21 X,,X,X n es una variable aleatoria distribuida normal
e independientemente, con µ y varianza 2 σ . Entonces por la propiedad
reproductiva de la distribución normal se concluye que la media muestral
Si se muestre una población que tiene una distribución desconocida, la distribución
muestral de la media seguirá siendo aproximadamente normal µ y varianza n/ 2 σ ,
si el tamaño de la muestra es grande ( ≥ 30n ). Este punto es uno de los teoremas
más útiles en estadística; se le conoce como teorema del límite central.
Distribución Muestral de la Diferencia de Medias
Suponga que se tienen dos poblaciones. Para la población 1 se extrae una muestra
de tamaño n1 y se calcula la media muestral x 1, mientras que para la población 2
se extrae una muestra de tamañon2 y se calcula la media muestral x 2. Esto da
como resultado una distribución muestral para x 1 cuya media y de desviación
estándar escribimos como x1 µ y x1 σ, respectivamente. De igual manera para cada
muestra de tamaño n2 sacada de la población 2 tendremos para x 2 la media y la
desviación estándar son x2 µ y x2 σ , respectivamente.
Distribución Muestral de la Proporción
Suponga que una población es infinita y tiene una distribución binomial con P y Q
= 1 −P siendo las probabilidades respectivas de que cualquier el elemento exhibe o
no cierta propiedad. Consideremos todas las muestras posibles de tamaño n
extraídas de esta población, y para cada muestra determinemos el estadístico que
es la proporción pˆ de éxitos.
Distribución muestral de la diferencia de proporciones
Suponga que se tienen dos poblaciones. Para la población 1 se extrae una muestra
de tamaño n1 y se calcula proporción muestral p1 ˆ , mientras que para la población
2 se ex trae una muestra de t amañon2 y se calcula la proporción muestral p 2 ˆ .
Esto da como resultado una distribución muestral p ara p1 ˆ cuya media y desviación
estándar escribimos como p1 µ ˆ y p1 σ ˆ, respectivamente. De igual manera para
cada muestra de t amaño n2 sacada de la población 2 tendremos para p 2 ˆ la media
y la desviación estándar son p2 µ ˆ y p2 σ ˆ , respectivamente.
CONCLUCION:
Los distintos tipos de distribuciones muestrales permiten entender cómo se
comportan los estadísticos al obtener muestras de una población. Gracias a ella es
posible estimar parámetros, calcular intervalos de confianza y realizar pruebas de
hipótesis con mayor precisión. En síntesis conocer y aplicar las distribuciones
muestrales es esencial para fundamentar decisiones y garantizar la validez de los
análisis estadísticos.
