ESTADSTICA EMPRESARIAL

Tema 12: Teora de Muestras. Distribuciones en el muestreo

INTRODUCCIN
A principios del siglo XIX la estadstica se ocupa de las caractersticas del estado.
Posteriormente adelantos en la teora de la probabilidad permiten el desarrollo en la
teora estadstica, que hace posible la generalizacin cientfica a partir de informacin
incompleta, inferencia estadstica.
Partes de la estadstica:
Descriptiva
Inferencial
El procedimiento esencial en la inferencia estadstica es tomar una muestra
representativa de la poblacin y con base en la informacin obtenida de la muestra hacer
una informacin til sobre una caracterstica de la poblacin. Dicha muestra debe ser
representativa de la poblacin y elegida de forma aleatoria. La aleatoriedad puede darse
de distintas formas. Esto da lugar a los diversos procedimientos de seleccin de la
muestra que tienen como fin fundamental proporcionar distintas alternativas para que
con cierto grado de confianza la muestra escogida sea representativa.
En muchas circunstancias hay que tomar decisiones basndose slo en la informacin
contenida en una muestra. Un gerente de marketing debe determinar si una nueva
estrategia de mercado aumentar las ventas. Para ello se basar fundamentalmente en
encuestas realizadas a unos cuantos clientes potenciales, etc. Para adoptar decisiones se
toma toda la informacin posible de la muestra seleccionada y se estudia, en trminos
de probabilidad el grado de fiabilidad de las decisiones adoptadas.
Se puede distinguir de modo general dos grandes mtodos dentro de la Inferencia
Estadstica:
Mtodos Paramtricos: se supone que los datos provienen de una familia de
distribuciones conocida (Normal, Poisson,) y que lo nico que se desconoce es el
valor concreto de alguno de los parmetros que la definen (

para la normal,
para la Poisson,).
Se pueden hacer inferencias acerca de los parmetros poblacionales de dos maneras.
Dando valores aproximados para los parmetros (Estimacin), o tomando decisiones
con respecto a ellos (Contraste de Hiptesis).
Mtodos No Paramtricos: no suponen conocida la distribucin, y solamente suponen
hiptesis muy generales respecto a las mismas. Estos mtodos se aplican en los test de
bondad de ajuste, que prueban la adecuacin de los datos a ciertos modelos de
distribuciones tericas, los test de indepencia, etc.
Las conclusiones que se obtengan y que se generalizarn dependern de los valores
concretos que se hayan observado en la muestra.
VENTAJAS DEL MUESTREO
1
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
Poblacin finita: el nmero de sus elementos es una cantidad finita aunque sta sea muy
grande.
Poblacin infinita: no se puede poner en correspondencia con ningn subconjunto de los
nmeros naturales.
Si la poblacin es infinita es imposible tomar una muestra tan grande como la
poblacin.
Si la poblacin es finita se pueden tomar muestras del tamao de la poblacin, pero
carece de sentido.
VENTAJAS :
Coste reducido.
Mayor rapidez.
Mayores posibilidades.
Mayor exactitud.
ETAPAS PRINCIPALES EN UNA ENCUESTA POR MUESTREO.
1) Objetivos de la encuesta.
2) Poblacin bajo muestreo.
3) Datos que deben ser recolectados.
4) Nivel de precisin deseado.
5) Mtodos de medicin.
6) El marco.
7) Seleccin de la muestra.
8) Encuesta piloto.
9) Organizacin del trabajo de campo.
10) Resumen y anlisis de los resultados.
11) Informacin ganada para futuras encuestas.
DISEO DE MUESTREO
Diseo de muestreo: plan que se llevar a cabo para escoger la muestra, de modo que
exista un convencimiento bien fundado de que la muestra sea representativa.
Criterios de evaluacin de un diseo de muestreo: fiabilidad y efectividad.
Error de muestreo: diferencia entre el valor de una estadstica obtenido mediante los
datos muestrales y el valor del correspondiente parmetro debido a variaciones fortuitas
en la seleccin de las unidades.
Error no muestral o sistemtico: es debido a instrumentos de medicin incorrectos,
cuestionarios mal elaborados...
Fiabilidad: est determinada por la varianza del estimador. Cuanto mayor sea, menor es
la fiabilidad.
2
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
Efectividad: un diseo de muestreo se considera ms efectivo que otro si tiene menor
costo con el mismo grado de fiabilidad.
TIPOS DE MUESTREO.
Si un mismo dato puede darse o no, tantas veces como sea posible en la
muestra.
- Con repeticin.
- Sin repeticin.
Forma en la que se recolectan los datos.
- No probabilstico:
Intencional, por criterio o subjetivo.
Por cuotas.
Sin norma o circunstancial.
- Probabilstico:
Irrestricto: Muestreo aleatorio simple.
Restringidos: Sistemticos.
Estratificado.
Por conglomerados.
Muestreo con repeticin.
Cada unidad que forma parte de la poblacin, una vez analizada se retorna a la
poblacin.
Es el muestreo que debe usarse para poblaciones infinitas.
Cuando se utiliza en una poblacin finita, se la considera como infinita.
Es fundamental en el estudio de problemas estadsticos mediante simulacin.
Muestreo sin repeticin.
Cada unidad una vez observada no se retorna a la poblacin.
Solo puede usarse en poblaciones finitas.
Muestreo no probabilstico.
Muestreo intencional, por criterio o subjetivo.
El modo de escoger la muestra se basa en la experiencia personal que tenga el
investigador, quien por su propio criterio decide qu muestra es representativa.
Influida por las preferencias o tendencias del seleccionador.
Carece de bases tericas que nos permitan evaluar su efectividad y fiabilidad.
Se emplea con bastante regularidad en estudios estadsticos de auditoria de muestreo.
3
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
Muestreo por cuotas.
Se recoge informacin de personas en nmero proporcional al de las que cumplen
determinadas condiciones en la poblacin y puede elegirlas a su arbitrio dentro de
grupos establecidos de sexo, edad y ciertos niveles socioeconmicos.
Muestreo sin norma o circunstancial.
La muestra se toma segn lo que salga bien, por razones de comodidad, circunstancia y
aun de capricho.
Si la poblacin es homognea, la representatividad puede ser satisfactoria.
Muestreo probabilstico.
Se puede calcular previamente la probabilidad de obtener cada una de las muestras que
sea posible calcular.
IRRESTRICTO.
Muestreo aleatorio simple
Cada una de las muestras de tamao n tiene la misma probabilidad de ser seleccionada,

,
_

n
N
1
.
Se puede utilizar si las unidades de muestreo pueden identificarse fcilmente y si la
poblacin es homognea y pequea.
Mtodo costoso y lleva tiempo.
Es necesario numerar todos los elementos.
Si los elementos prximos entre s son ms homogneos que los que estn apartados,
una muestra aleatoria simple puede no ser representativa de la poblacin.

RESTRINGIDOS.
Muestreo sistemtico
Es de los ms utilizados.
Consiste en particionar la poblacin en n(tamao de la muestra) grupos de tamao m.
Del primer grupo se toma al azar un elemento, p.e. el numerado con k. Del segundo
grupo tomamos el elemento k+m, y as sucesivamente hasta completar la muestra.
Se recomienda siempre que se den las condiciones ya que hay mayor probabilidad de
que la muestra resulte repartida en toda la poblacin.
4
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
Se debe disponer de una lista de las unidades de la poblacin lo cual representa una gran
desventaja.
Se puede utilizar para control de la calidad.
Selecciona una muestra ms representativa que el muestreo aleatorio simple si los
elementos cercanos de la poblacin se asemejan ms entre s de lo que se parecen los
que quedan distantes.
Es menos representativa que el muestreo aleatorio simple si existe periodicidad oculta
en la poblacin y el periodo coincide con m.
Muestreo estratificado.
Puede resultar ms efectivo que el anterior.
Exige tener un conocimiento previo de la poblacin.
Consiste en dividir la poblacin en subpoblaciones agrupando los elementos ms
parecidos entre s. Cada subpoblacin se llama estrato y en cada uno de ellos se lleva a
cabo un muestreo aleatorio simple para escoger la muestra. La muestra global se obtiene
al combinar las submuestras de todos los estratos.
El reparto del tamao de la muestra en los distintos estratos se denomina afijacin. Si la
muestra se divide por partes iguales en los estratos la afijacin se dice igual o uniforme.
Si se hace proporcional al nmero de elementos de cada estrato se denomina afijacin
proporcional. Si se hace proporcional al nmero de elementos y a la varianza de cada
estrato tenemos la afijacin ptima.
Es el ms efectivo cuando se trata de poblaciones heterogneas.
Al hacerse la estratificacin, las clases se establecen de modo que las unidades de
muestreo tiendan a ser uniformes dentro de cada clase y las clases tiendan a ser
diferentes entre s. As se puede controlar la proporcin de cada estrato en la muestra
global y al no dejarla al azar queda asegurado el carcter representativo de la muestra.
Si la varianza de la caracterstica observada de cada estrato es menor que la de toda la
poblacin, se aumentar la fiabilidad para un tamao de muestra dado o bien la
efectividad para un grado dado de fiabilidad.
El aumento de la fiabilidad y de la efectividad puede aumentarse al clasificar an ms
los estratos en subestratos. Dicho procedimiento de doble clasificacin se denomina
doble estratificacin.
Para definir los estratos se pueden emplear datos anteriores, la intuicin, un criterio
slido o bien, resultados preliminares procedentes de otros estudios.
Muestreo por conglomerados.
Se eligen los individuos de la muestra por grupos llamados conglomerados. Cada
conglomerado que resulte de la muestra se revisa total o parcialmente. Los mejores
5
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
resultados se obtienen cuando la diferencia entre los conglomerados, respecto a la
caracterstica de inters, es mnima y las diferencias entre los elementos individuales
dentro de cada conglomerado se hace tan grande como sea posible. Lo ideal es que cada
conglomerado constituyera una miniatura de la poblacin y as un solo conglomerado
sera una muestra satisfactoria.
Los conglomerados se denominan unidades de muestreo primario. Si todos los
elementos del conglomerado se incluyen en la muestra, el procedimiento se denomina
muestreo de una etapa. Si se saca una submuestra aleatoria de elementos de cada
conglomerado seleccionado , se denomina muestreo bietpico. Si intervienen ms de
dos etapas se denomina polietpico.
Cuando se hacen muestreos de una poblacin distribuida geogrficamente se toman
como unidades primarias de muestreo las regiones geogrficas, muestreo por zonas.
Se utiliza en el control estadstico de la calidad.
Desventaja: relativa ausencia de fiabilidad para un tamao de muestra dado.
La ventaja principal es la gran reduccin de costos para un grado dado de fiabilidad.
Este hecho es el que lleva con frecuencia a la eleccin de este mtodo frente a otros.
DISTRIBUCIONES EN EL MUESTREO
PARMETROS POBLACIONALES Y ESTADSTICOS MUESTRALES
En general los parmetros poblacionales son las caractersticas numricas de la
poblacin. El conocimiento del parmetro permite describir parcial o totalmente la
funcin de probabilidad de la caracterstica que estamos investigando.
Por ejemplo si la caracterstica a investigar sigue una distribucin normal, se necesita
conocer

para describir totalmente su funcin de densidad.

En la mayora de los modelos probabilsticos se encuentran parmetros cuyos valores
tendremos que fijar para especificar completamente el modelo y poder calcular las
probabilidades deseadas. Uno de los problemas centrales en estadstica se plantea
cuando se desea estudiar una poblacin con funcin de distribucin F(x, ), donde la
forma de la funcin de distribucin es conocida, pero depende de un parmetro
desconocido. En este caso se selecciona una muestra de la poblacin y se calcula para
las observaciones de la muestra el valor de alguna funcin que representa o estima el
parmetro desconocido, .
Un estadstico es cualquier funcin real de las variables aleatorias que integran la
muestra, es decir, es una funcin de las observaciones muestrales, la cual no contiene
ningn valor o parmetro desconocido.
Si tenemos una muestra (X
1
, X
2
, , X
n
), constituida por n variables aleatorias
independientes e idnticamente distribuidas, podemos definir algunos estadsticos como
por ejemplo:
6
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
n
X X X
n
+ + + ...
2 1
n
X X X
n
2 2
2
2
1
... + + +
n
X X X X X X
n
2 2
2
2
1
) ( ... ) ( ) ( + + +
Estos estadsticos se determinan totalmente a partir de las observaciones muestrales.
En general un estadstico T los representaremos como T=g(X
1
, X
2
, , X
n
), es decir una
funcin de las observaciones muestrales, que es a su vez tambin una variable aleatoria,
pues para cada muestra tomar un valor diferente.
Como a medida que vamos tomando muestras diferentes se obtienen distintos valores
del estadstico, ste es tambin una variable aleatoria y por consiguiente tendr su
correspondiente distribucin, a la que llamaremos distribucin muestral del
estadstico.
Parmetro y estadstico son dos conceptos diferentes, el parmetro es una constante y
cuando se conoce determina completamente el modelo probabilstico, el estadstico es
una variable aleatoria cuyo valor depender de las observaciones muestrales.
Vamos a distinguir entre medidas numricas calculadas con conjuntos de datos
poblacionales y las calculadas con datos muestrales. Si la medida numrica se calcula
para el conjunto de datos poblacionales le llamaremos valor del parmetro poblacional
y si se calcula para el conjunto de datos muestrales, le llamaremos valor del estadstico
muestral.
Parmetros media, varianza y proporcin poblacional
En una poblacin finita de tamao N vienen dados por:
- Media (poblacional):

N
i
i
X
N
1
1

- Varianza (poblacional):
( )

n
i
i
X
N
1
2 2
1

- Proporcin (poblacional): p=
pruebas de nmero
pruebas N en xitos de n
N
X

Estadstico media, varianza y proporcin muestral

Para una muestra aleatoria simple de tamao n, (X
1
, X
2
, , X
n
) se definen como:
- Media muestral:

n
i
i
X
n
X
1
1
- Varianza muestral:
( )

n
i
i
X X
n
S
1
2
2
1
1
- Proporcin muestral: P
X
=
pruebas de nmero
pruebas n en xitos de n
n
X

7
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
DISTRIBUCIN DE LA MEDIA MUESTRAL.
La media muestral,
X
, al ser una estadstica es una variable aleatoria y por lo tanto
tiene una funcin de distribucin, una media y una varianza.
TEOREMA:
Sea X
1
, X
2
,, X
n
una muestra aleatoria proveniente de una poblacin de media
x

y
varianza
2
x

. Si
X
es la media muestral entonces E(
X
)=
x

y V(
X
)=
n
x
2

. La
desviacin tpica de la media muestral se conoce con el nombre de error estndar de la
media y viene dado por la siguiente expresin
n
x

El error estndar es inversamente proporcional al tamao de la muestra. Por lo tanto al

controlar el tamao de la muestra controlamos el error.
Hasta ahora no hemos tenido en cuenta la distribucin de la variable aleatoria en
cuestin.
Distribucin de la media muestral en una poblacin normal con media y varianza
conocidas.
TEOREMA:
Sea X
1
, X
2
X
n
una muestra aleatoria proveniente de una poblacin normal de media
x

y varianza
2
x

.Entonces la variable Y=

n
i
i i
X a
1
tiene distribucin normal con
media
( )

n
i
i
a
1

y varianza
( )
2
1
2

n
i
i
a
TEOREMA:
Si X
1
, X
2
, X
n
es una muestra aleatoria proveniente de una poblacin normal de media

y varianza
2

entonces la media muestral tiene distribucin normal con media

y
varianza
n
2

.
Teorema central del lmite
TEOREMA:
Si
X
es la media de una muestra aleatoria de tamao n que se toma de una poblacin
con media

y varianza finita
2

, entonces la variable Z
n
=
( )

X n
tiende a la
normal estndar a medida que n tiende a infinito.
8
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
La importancia de este resultado radica en que nos proporciona un medio para trabajar
con la media muestral aunque desconozcamos la distribucin de la poblacin.
Otro enunciado del teorema del lmite central ms fcil de interpretar es:
Si X es una variable aleatoria de media

y varianza
2
La distribucin muestral
de la media de una muestra aleatoria de tamao n es aproximadamente normal de
media

y varianza
n
2

, si n es suficientemente grande.
N se considera suficientemente grande si es mayor o igual que 30.
Distribucin de la proporcin para muestras grandes.
TEOREMA:
Sea
p
la proporcin muestral asociada a una caracterstica, la cual se presenta en la
poblacin en una proporcin

. Entonces
p
sigue una normal de media

y
desviacin tpica
( )
n
1
Hay que sealar que la aproximacin a la normal slo se puede utilizar para muestras de
tamao grande (en el mismo sentido del teorema del lmite central), para muestras
pequeas se utilizar la binomial o la hipergeomtrica.
DISTRIBUCIN DE LA VARIANZA MUESTRAL.
DISTRIBUCIN JI CUADRADO.
A veces lo que nos interesa es estudiar la variabilidad de las medidas. La variabilidad se
suele medir con la varianza o con la desviacin tpica y la estadstica empleada es la
varianza muestral:

n
i
i
n
x x
S
1
2
2
1
) (
.
Para poder trabajar con ella necesitamos conocer la funcin de distribucin asociada,
para esto estudiaremos la distribucin ji cuadrado.
Se dice que una variable aleatoria X sigue una distribucin ji cuadrado con k grados de
libertad, cuando su funcin de densidad est dada por la frmula:
Dado lo complicado de la expresin utilizaremos una tabla para conocer los valores que
nos interesen.
Propiedades de esta distribucin:
1. Si X es una variable con distribucin ji cuadrado con k grados de libertad, su
media es k y su varianza 2k.
2. Una variable ji cuadrado no toma valores negativos.
9

'

>

caso otro cualquier en
six e x
k
x f
x k
x
0
0 ) 2 / 1 (
) 2 / (
1
) (
) 2 / 1 ( 1 2 /
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
3. Su grfica es de las de tipo de curvas sesgadas a la derecha.
4. A medida que aumentan los grados de libertad la curva se va haciendo ms
simtrica y su cola derecha se va extendiendo.
5. Por cada valor de k hay una distribucin distinta.
6. K es el nico parmetro asociado a la distribucin.
La tabla que vamos a utilizar es la tabla III que nos da los valores
2
que determinan la
cola superior (derecha) de la distribucin especificada por los grados de libertad.
En la fila superior da los valores de cola derecha y en la primera columna encontramos
los respectivos grado de libertad. El nmero que se encuentra en la interseccin de la
horizontal imaginaria que parte del nmero dado por los grados de libertad con la
vertical que sale del valor de cola derecha es el nmero que determina dicha cola con
los grados de libertad dados. Se denota
( )
2
,q k

en donde k son los grados de libertad y q

la medida de la cola derecha.
Si lo que deseamos es valores ji cuadrado que definan regiones al extremo izquierdo de
la distribucin(cola izquierda), debemos tener en cuenta que una regin a la izquierda
determina otra a la derecha(no simtrica en este caso) y tenemos que la cola izquierda
del 5% corresponde a una regin al lado derecho del 95% .
Para valores de k superiores a 100 se puede utilizar la siguiente frmula:
( )
[ ]
2
2
;
1 2 2 / 1 + k z
q q k

La distribucin chi cuadrado se puede utilizar para hacer inferencias sobre la varianza
muestral. Para ello utilizaremos
( )
( )
2
2
2
1
1

S n
n

, que si las variables siguen una

distribucin normal, sigue una ji cuadrado con n-1 grados de libertad.
DISTRIBUCIN t DE STUDENT.
Si al hacer inferencia sobre la media no conocemos el valor de la varianza sino que
tambin tenemos que estimarlo tendremos que utilizar otra expresin para estimar la
media: T=
( )
S
x n
que tiene una distribucin t de Student con (n-1) grados de
libertad.
Una variable T tiene distribucin t de Student con k grados de libertad si su funcin de
densidad est dada por
( )

,
_

,
_

+

1
]
1

,
_

,
_

+
2
,
2
1
1
2
2
1
2 / ) 1 (
2
n n
t
n
t
n
n
n
t f
n
T

Para trabajar con esta distribucin dado lo complejo de la expresin de su funcin de

densidad utilizaremos una tabla. Antes de aprender a manejarla estudiaremos las
propiedades de la distribucin t:
10
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
1. La media de T es 0 y su varianza
2 k
k
, k>2.
2. Toma tericamente cualquier valor real.
3. La grfica de la funcin de densidad es en forma de campana.
4. La grfica es muy parecida a la de la normal estndar diferenciandose en que las
colas de t estn por encima de la normal, y el centro se encuentra por debajo del
de la normal.
5. Cuando los grados de libertad son altos, los valores de t coinciden con los de la
normal.
Para obtener valores de rea(probabilidad) de la distribucin t emplearemos la tabla de
la distribucin.
Tenemos que tener en cuenta que cada una de las probabilidades que aparecen en la
segunda fila es igual a la suma de las reas de las dos colas, y las que aparecen en la fila
Q es el rea de una de las colas. Para cada valor de k que aparece en la columna
izquierda de la tabla, la partida de la tabla en una columna particular es el valor t por
encima del cual queda la probabilidad que aparece en la fila Q. Aunque solo aparecen
valores positivos de t quedan implcitos los negativos, ya que la distribucin es
simtrica respecto de 0.
DISTRIBUCIN DE LA DIFERENCIA DE MEDIAS EN POBLACIONES
NORMALES INDEPENDIENTES.
Es frecuente interesarse por la diferencia entre dos medias (para compararlas). Para ello
utilizaremos la variable D=
y x
.
TEOREMA:
Tomemos de una poblacin normal X de media
x

y varianza
2
x

una muestra de
tamao n
1
. Tomemos de una poblacin Y normal de media
y

y varianza
2
y

una
muestra de tamao n
2
. Si X e Y son independientes entonces (
y x
) sigue una normal
de media
x

-
y

y varianza
2
2
1
2
n n
y
x

+
El siguiente teorema lo utilizaremos cuando las varianzas sean desconocidas pero se
consideran iguales.
TEOREMA:
Supongamos que de una poblacin normal X con media
x

y varianza desconocida
tomamos una muestra de tamao n
1
y que de una poblacin normal, Y con media y

y
varianza desconocida tomamos una muestra de tamao n
2
. Si X e Y son independientes
y la varianza de x y la varianza de y son iguales entonces T=
( ) ( )
2 1
1 1
n n
S
y x
p
y x
+

tiene
una distribucin t con (n
1
+n
2
-2) grados de libertad.
11
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en el muestreo
Sp=
( ) ( )
( ) 2
1 1
2 1
2
2 2
2
1 1
+
+
n n
S n S n
. Donde S
i
son las desviaciones tpicas muestrales. Sp
2
se
llama varianza ponderada.
DISTRIBUCIN DEL COCIENTE DE DOS VARIANZAS. DISTRIBUCIN F.
Algunas veces tendremos que comparar dos varianzas; es decir determinar si la
variabilidad de una poblacin difiere de otra. Para ello utilizaremos la estadstica F=
2
2
y
x
S
S
que sigue una distribucin F.
La distribucin F est caracterizada por su funcin de densidad:
Fx(x)=
( )
[ ]

'

>
+

,
_

+
+

caso otro cualquier en

x
x n m
x
n
m
n m
n m
n m
n m
m
0
0
) / ( 1
) 2 / ( ) 2 / (
2 /
2 / ) (
2 / ) (
2 /
F no toma valores negativos y tiene asociados grados de libertad que constituyen sus
parmetros.
Su representacin grfica depende de los grados de libertad.
Para trabajar con ella utilizaremos la tabla V. Dado un valor de rea q la fila superior
enumera los valores n
1
llamados grados de libertad en el numerador; la primera columna
enumera los valores n
2
, llamados grados de libertad en el denominador y la partida de la
tabla es el valor F que separa la parte q superior de la distribucin F con n
1
y n
2
grados
de libertad, a dicho valor de F se le denota F(q; n
1
;n
2
).
La tabla se ha construido suponiendo que la varianza ms grande est en el numerador
de la ecuacin y la ms pequea en el denominador.
MUESTREO EN POBLACIONES FINITAS.
Cuando se da el muestreo con repeticin en poblaciones finitas e infinitas, la media
muestral presenta una distribucin de igual media que la poblacin y la varianza igual a
la de la poblacin dividida por el tamao de la muestra.
Qu ocurrir cuando el muestreo es sin repeticin?
En general se puede demostrar que la varianza muestral en el caso del muestreo sin
repeticin es igual a la varianza de la poblacin dividida por el tamao de la muestra
12