CLASE 11

TEORA
DEL
MUESTREO

Ing. William Len Velsquez

wjleonv@yahoo.com
 TEORA DEL MUESTREO

La teora del 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.

ING.
2 WILL
IAM
LEO
N V.
 TEORA DEL MUESTREO

Se deben seguir ciertos procedimientos

de seleccin para asegurar de que las
muestras reflejen observaciones a la
poblacin de la que proceden, ya que
solo se pueden hacer observaciones
probabilsticas sobre una poblacin
cuando se usan muestras representativas
de la misma.

TEORA ING.
3 WILL
DEL IAM
MUESTREO LEO
N V.
 DEFINICIN
Una poblacin est formada por la totalidad de
las observaciones en las cuales se tiene cierto
observa.
Una muestra es un subconjunto de
observaciones seleccionadas de una poblacin.

TEORA ING.
4 WILL
DEL IAM
MUESTREO LEO
N V.
 MUESTRAS ALEATORIAS

Cuando nos interesa estudiar las

caractersticas de poblaciones grandes, se
utilizan muestras por muchas razones;
Una enumeracin completa de la poblacin,
llamada censo, puede ser econmicamente
imposible, o no se cuenta con el tiempo
suficiente.

TEORA ING.
5 WILL
DEL IAM
MUESTREO LEO
N V.
 MUESTRAS ALEATORIAS

Usos del muestreo en diversos campos:

1. Poltica. Las muestras de las opiniones de los
votantes se usan para que los candidatos midan la
opinin pblica y el apoyo en las elecciones.
2. Educacin. Las muestras de las calificaciones de los
exmenes de estudiantes se usan para determinar
la eficiencia de una tcnica o programa de
enseanza.
3. Industria. Muestras de los productos de una lnea
de ensamble sirve para controlar la calidad.

TEORA ING.
6 WILL
DEL IAM
MUESTREO LEO
N V.
 MUESTRAS ALEATORIAS
4. Medicina. Muestras de medidas de azcar en la
sangre de pacientes diabticos prueban la
eficacia de una tcnica o de un frmaco nuevo.
5. Agricultura. Las muestras del maz cosechado en
una parcela proyectan en la produccin los
efectos de un fertilizante nuevo.
6. Gobierno. Una muestra de opiniones de los
votantes se usara para determinar los criterios
del pblico sobre cuestiones relacionadas con el
bienestar y la seguridad nacional.

TEORA ING.
7 WILL
DEL IAM
MUESTREO LEO
N V.
 ERRORES EN EL MUESTREO

Cuando se utilizan valores muestrales, o

estadsticos para estimar valores
poblacionales, o parmetros, pueden ocurrir
dos tipos generales de errores: el error
muestral y el error no muestral.
El error muestral
Es la variacin natural existente entre
muestras tomadas de la misma poblacin.

TEORA ING.
8 WILL
DEL IAM
MUESTREO LEO
N V.
 ERRORES EN EL MUESTREO
Cuando una muestra no es una
copia exacta de la poblacin; an
si se ha tenido gran cuidado para
asegurar que dos muestras del
mismo tamao sean
representativas de una cierta
poblacin, no se espera que las
dos sean idnticas en todos sus
detalles.
El error muestral es un
concepto importante que
ayudar a entender mejor la
naturaleza de la estadstica
inferencial.
TEORA ING.
9 WILL
DEL IAM
MUESTREO LEO
N V.
 ERRORES EN EL MUESTREO

Los errores no muestrales son los

errores que surgen al tomar las
muestras
Ejemplo:
Una mala lectura de un
instrumento, no pueden
clasificarse como errores
muestrales

TEORA ING.
10 WILL
DEL IAM
MUESTREO LEO
N V.
 SESGO DE LAS MUESTRAS

El sesgo de las muestras es un tipo

de error no muestral.
El sesgo muestral es una tendencia
sistemtica inherente a un mtodo
de muestreo que da estimaciones
de un parmetro que son, en
promedio, menores (sesgo
negativo), o mayores (sesgo
positivo) que el parmetro real.

TEORA ING.
11 WILL
DEL IAM
MUESTREO LEO
N V.
 SESGO DE LAS MUESTRAS

El sesgo muestral
puede suprimirse, o
minimizarse, usando
la aleatorizacin.

TEORA ING.
12 WILL
DEL IAM
MUESTREO LEO
N V.
 ALEATORIZACIN
La aleatorizacin es cualquier
proceso de seleccin de una
muestra de la poblacin en el que
la seleccin es imparcial o no est
sesgada;
Una muestra elegida con
procedimientos aleatorios se
llama muestra aleatoria.
Los tipos ms comunes de
tcnicas de muestreo aleatorios
son el muestreo aleatorio simple,
el muestreo estratificado, el
muestreo por conglomerados y el
muestreo sistemtico.
TEORA ING.
13 WILL
DEL IAM
MUESTREO LEO
N V.
 ALEATORIZACIN muestra aleatoria simple

Si una muestra aleatoria se

elige de tal forma que todos los
elementos de la poblacin
tengan la misma probabilidad
de ser seleccionados, la
llamamos muestra aleatoria
simple.

TEORA ING.
14 WILL
DEL IAM
MUESTREO LEO
N V.
 ALEATORIZACIN muestra aleatoria simple

Ejemplo 1
Nos interesa elegir una muestra
aleatoria de 5 estudiantes en un grupo
de estadstica de 20 alumnos. 20C5 da
el nmero total de formas de elegir una
muestra no ordenada y este resultado
es 15,504 maneras diferentes de tomar
la muestra.
Si listamos las 15,504 en trozos
separados de papel, una tarea
tremenda, luego los colocamos en un
recipiente y despus los revolvemos,
entonces podremos tener una muestra
aleatoria de 5 si seleccionamos un
TEORA
15
DEL
trozo de papel con cinco nombres. ING. WILLIAM
LEON V.
MUESTREO
 ALEATORIZACIN muestra aleatoria simple

Un procedimiento ms simple
para elegir una muestra
aleatoria sera escribir cada
uno de los 20 nombres en
pedazos separados de papel,
colocarlos en un recipiente,
revolverlos y despus extraer
cinco papeles al mismo
tiempo.

TEORA ING.
16 WILL
DEL IAM
MUESTREO LEO
N V.
 ALEATORIZACIN muestra aleatoria simple

Otro mtodo para obtener una muestra aleatoria

de 5 estudiantes en un grupo de 20 utiliza una
tabla de nmeros aleatorios.
Se puede construir la tabla usando una
calculadora o una computadora. Tambin se
puede prescindir de estas y hacer la tabla
escribiendo diez dgitos del 0 al 9 en tiras de
papel, las colocamos en un recipiente y los
revolvemos, de ah, la primera tira seleccionada
determina el primer nmero de la tabla, se
regresa al recipiente y despus de revolver otra
vez se selecciona la segunda tira que determina
el segundo nmero de la tabla; el proceso
contina hasta obtener una tabla de dgitos
aleatorios con tantos nmeros como se desee.
TEORA ING.
17 WILL
DEL IAM
MUESTREO LEO
N V.
 ALEATORIZACIN muestra aleatoria simple

Hay muchas situaciones en las

cuales el muestreo aleatorio simple
es poco prctico, imposible o no
deseado; aunque sera deseable
usar muestras aleatorias simples
para las encuestas nacionales de
opinin sobre productos o sobre
elecciones presidenciales, sera
muy costoso o atrasado.

TEORA ING.
18 WILL
DEL IAM
MUESTREO LEO
N V.
 TIPOS DE MUESTREO muestreo estratificado

El muestreo estratificado requiere de

separar a la poblacin segn grupos
que no se traslapen llamados estratos,
y de elegir despus una muestra
aleatoria simple en cada estrato.
La informacin de las muestras
aleatorias simples de cada estrato
constituira entonces una muestra
global.

TEORA ING.
19 WILL
DEL IAM
MUESTREO LEO
N V.
 TIPOS DE MUESTREO muestreo estratificado
Ejemplo 2
Nos interesa obtener una muestra
de las opiniones de los profesores
de una gran universidad. Puede
ser difcil obtener una muestra
con todos los profesores, as que
suponga que se eligen una
muestra aleatoria de cada
facultad, o departamento
acadmico; los estratos vendran
a ser las facultades, o
departamentos acadmicos.
TEORA ING.
20 WILL
DEL IAM
MUESTREO LEO
N V.
 TIPOS DE MUESTREO
muestreo por conglomerados

El muestreo por conglomerados requiere de

elegir una muestra aleatoria simple de
unidades heterogneas entre s de la poblacin
llamadas conglomerados. Cada elemento de
la poblacin pertenece exactamente a un
conglomerado, y los elementos dentro de cada
conglomerado son usualmente heterogneos o
dismiles.

TEORA ING.
21 WILL
DEL IAM
MUESTREO LEO
N V.
 TIPOS DE MUESTREO
muestreo por conglomerados

Ejemplo 3
Una compaa de servicio de
televisin por cable est pensando
en abrir una sucursal en una ciudad
grande; la compaa planea
realizar un estudio para determinar
el porcentaje de familias que
utilizaran sus servicios, como no
es prctico preguntar en cada casa,
la empresa decide seleccionar
una parte de la ciudad al azar, la
cual forma un conglomerado.
TEORA ING.
22 WILL
DEL IAM
MUESTREO LEO
N V.
 TIPOS DE MUESTREO
muestreo por conglomerados

En el muestreo por conglomerados,

stos se forman para representar,
tan fielmente como sea posible, a
toda la poblacin; entonces se usa
una muestra aleatoria simple de
conglomerados para estudiarla.
Los estudios de instituciones
sociales como iglesias, hospitales,
escuelas y prisiones se realizan,
generalmente, con base en el
muestreo por conglomerados.
TEORA ING.
23 WILL
DEL IAM
MUESTREO LEO
N V.
 TIPOS DE MUESTREO
muestreo sistemtico

El muestreo sistemtico es una

tcnica de muestreo que requiere
de una seleccin aleatoria inicial de
observaciones seguida de otra
seleccin de observaciones
obtenida usando algn sistema o
regla.

TEORA ING.
24 WILL
DEL IAM
MUESTREO LEO
N V.
 TIPOS DE MUESTREO
Ejemplo 4 muestreo sistemtico
Para obtener una muestra de suscriptores
telefnicos en una ciudad grande, puede
obtenerse primero una muestra aleatoria de
los nmeros de las pginas del directorio
telefnico; al elegir el vigsimo nombre de
cada pgina obtendramos un muestreo
sistemtico, tambin podemos escoger un
nombre de la primera pgina del directorio y
despus seleccionar cada nombre del lugar
nmero cien a partir del ya seleccionado.
Por ejemplo, podramos seleccionar un
nmero al azar entre los primeros 100;
supongamos que el elegido es el 40,
entonces seleccionamos los nombres del
directorio que corresponden a los nmeros
40, 140, 240, 340 y as sucesivamente.
TEORA ING.
25 WILL
DEL IAM
MUESTREO LEO
N V.
 ERROR MUESTRAL
Cualquier medida conlleva algn error. Si se
usa la media para medir, estimar, la media
poblacional , entonces la media muestral,
como medida, conlleva algn error.
Por ejemplo, supongamos que se ha obtenido una
muestra aleatoria de tamao 25 de una
poblacin con media = 15: si la media de la
muestra es x=12, entonces a la diferencia
observada x- = -3 se le denomina el error
muestral.
Una media muestral x puede pensarse como la
suma de dos cantidades, la media poblacional
y el error muestral; si e denota el error
muestral, entonces:
TEORA ING.
26 WILL
DEL IAM
MUESTREO LEO
N V.
 ERROR MUESTRAL
Ejemplo 5
Se toman muestras de tamao 2 de
una poblacin consistente en tres
valores, 2, 4 y 6, para simular una
poblacin "grande" de manera que el
muestreo pueda realizarse un gran
nmero de veces, supondremos que
ste se hace con reemplazo, es decir,
el nmero elegido se reemplaza antes
de seleccionar el siguiente, adems,
se seleccionan muestras ordenadas.

TEORA ING.
27 WILL
DEL IAM
MUESTREO LEO
N V.
 ERROR MUESTRAL
En una muestra ordenada, el orden en
que se seleccionan las observaciones
es importante, por tanto, la muestra
ordenada (2,4) es distinta de la muestra
ordenada (4,2). En la muestra (4,2), se
seleccion primero 4 y despus 2.
La siguiente tabla contiene una lista de
todas las muestras ordenadas de
tamao 2 que es posible seleccionar
con reemplazo y tambin contiene las
medias muestrales y los
correspondientes errores muestrales.
La media poblacional es igual a
= (2+4+6)/3 = 4.
TEORA ING.

DEL
. 28 WILL
IAM
MUESTREO LEO
N V.
 ERROR MUESTRAL
Muestras
ordenadas
(2,2) 2 2 4 = -2
(2,4) 3 3 4 = -1
(2,6) 4 44=0
(4,2) 3 3 4 = -1
(4,4) 4 44=0
(4,6) 5 54=1
(6,2) 4 44=0
(6,4) 5 54=1
TEORA (6,6) 6 64=2
DEL 29
ING. WILLIAM LEON V.
MUESTREO
 ERROR MUESTRAL
Ntese las interesantes relaciones siguientes
contenidas en la tabla:
La media de la coleccin de medias muestrales
es 4, la media de la poblacin de la que se
extraen las muestras. Si x denota la media de
todas las medias muestrales entonces
tenemos:
x = (3+4+3+4+5+5+2+4+6)/9 = 4
La suma de los errores muestrales es cero.
e1 + e2 + e3 + . . . + e9 = (-2) + (-1) + 0 + (-1) +
0+1+0+1+2=0

TEORA ING.
30 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES
Las muestras aleatorias obtenidas de una
poblacin son, por naturaleza propia,
impredecibles.
No se espera que dos muestras aleatorias del
mismo tamao y tomadas de la misma poblacin
tenga la misma media muestral o que sean
completamente parecidas;

Se espera que cualquier estadstico, como la

media muestral, calculado a partir de las
medias en una muestra aleatoria, cambie su
valor de una muestra a otra,

Por ello, se estudia la distribucin de todos los

TEORA
valores posibles de un estadstico. ING.
31 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES
Estas distribuciones son muy importantes en el
estudio de la estadstica inferencial, porque las
inferencias sobre las poblaciones se harn
usando estadsticos muestrales.
Con el anlisis de las distribuciones asociadas con
los estadsticos muestrales, se puede juzgar la
confiabilidad de un estadstico muestral como un
instrumento para hacer inferencias sobre un
parmetro poblacional desconocido.
Como los valores de un estadstico, tal como x,
varan de una muestra aleatoria a otra, se le puede
considerar como una variable aleatoria con su
correspondiente distribucin de frecuencias.
TEORA ING.
32 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

La distribucin de frecuencia de un estadstico

muestral se denomina distribucin muestral.
En general, la distribucin muestral de un
estadstico es la de todos sus valores posibles
calculados a partir de muestras del mismo tamao.
Suponga que se han seleccionado muestras
aleatorias de tamao 20 en una poblacin grande.
Se calcula la media muestral x para cada muestra; la
coleccin de todas estas medias muestrales recibe
el nombre de distribucin muestral de medias,
Observe la siguiente figura ---
TEORA ING.
33 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

TEORA ING.
34 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

Si se eligen muestras aleatorias de tamao 20,

de una poblacin grande, y se calcula la
desviacin estndar de cada una.
La coleccin de todas estas desviaciones
estndar muestrales se llama distribucin
muestral de la desviacin estndar, y lo
podemos ver en la siguiente figura:

TEORA ING.
35 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

TEORA ING.
36 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

Ejemplo 6
Se eligen muestras ordenadas de tamao 2, con
reemplazo, de la poblacin de valores 0, 2, 4 y 6.
Encuentre:
, la media poblacional.
, la desviacin estndar poblacional.
x, la media de la distribucin muestral de medias.
x, la desviacin estndar de la distribucin muestral de
medias.

TEORA ING.
37 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES
Adems, grafique las frecuencias para la
poblacin y para la distribucin muestral de
medias.
Solucin:
a) La media poblacional es:

TEORA ING.
38 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

b. La desviacin estndar de la
poblacin es:

c. A continuacin se listan los elementos

de la distribucin muestral de la media
y la correspondiente distribucin de
frecuencias.

TEORA ING.
39 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

TEORA ING.
40 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

La media de la distribucin muestral de medias

es:

TEORA ING.
41 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

d) La
desviacin estndar de la distribucin
muestral de medias es:

De aqu que podamos deducir que

TEORA ING.
42 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

Como para cualquier variable aleatoria, la

distribucin muestral de medias tiene una
media o valor esperado, una varianza y una
desviacin estndar, se puede demostrar que la
distribucin muestral de medias tiene una media
igual a la media poblacional.
Esto es:

TEORA ING.
43 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

Despus de haber realizado el ejercicio anterior

se puede ver que una distribucin muestral se
genera extrayendo todas las posibles
muestras del mismo tamao de la poblacin
y calculndoles a stas su estadstico.

Si la poblacin de la que se extraen las

muestras es normal, la distribucin muestral de
medias ser normal sin importar el tamao de la
muestra.

TEORA ING.
44 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

TEORA ING.
45 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIONES MUESTRALES

Si la poblacin de donde se extraen las

muestras no es normal, entonces el tamao
de la muestra debe ser mayor o igual a 30,
para que la distribucin muestral tenga una forma
acampanada.
Mientras mayor sea el tamao de la muestra,
ms cerca estar la distribucin muestral de
ser normal.
Para muchos propsitos, la aproximacin normal
se considera buena si se cumple n=30.
La forma de la distribucin muestral de medias
sea aproximadamente normal, an en casos
donde la poblacin original es bimodal, es
realmente notable.
TEORA ING.
46 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Si se seleccionan muestras aleatorias de n

observaciones de una poblacin con media
y desviacin estndar , entonces, cuando n
es grande, la distribucin muestral de medias
tendr aproximadamente una distribucin
normal con una media igual a y una
desviacin estndar de /n.
La aproximacin ser cada vez ms exacta a
medida de que n sea cada vez mayor.

TEORA ING.
47 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

TEORA ING.
48 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Ejemplo
Para la distribucin muestral de medias
del ejercicio anterior, encuentre:
a) El error muestral de cada media
b) La media de los errores muestrales
c) La desviacin estndar de los errores
muestrales.

TEORA ING.
49 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL
Solucin:
a) En la tabla siguiente se ven las muestras, las medias
de las muestras y los errores muestrales:

Muestra x
Error muestral, e=x-
(0,0) 0 0 - 3 = -3
(0,2) 1 1 - 3 = -2
(0,4) 2 2 - 3 = -1
(0,6) 3 33=0
(2,0) 1 1 3 = -2
(2,2) 2 2 3 = -1
(2,4) 3 33=0
(2,6) 4 43=1
TEORA ING.
50 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Muestra x Error muestral, e=x-

(4,0) 2 2 3 = -1
(4,2) 3 33=0
(4,4) 4 43=1
(4,6) 5 53=2
(6,0) 3 33=0
(6,2) 4 43=1
(6,4) 5 53=2
(6,6) 6 63=3

TEORA ING.
51 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

b. La media de los errores muestrales es e, es:

TEORA ING.
52 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

c) La desviacin estndar de la distribucin de

los errores muestrales , es entonces:
e

TEORA ING.
53 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

La desviacin estndar de la distribucin

muestral de un estadstico se conoce como
error estndar del estadstico.

Para el ejercicio anterior el error estndar

de la media denotado por x, es 1.58.

Se demuestra que si de una poblacin se

eligen muestras de tamao n con
reemplazo, entonces el error estndar de la
media es igual a la desviacin estndar de
la distribucin de los errores muestrales

TEORA ING.
54 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL
En general se tiene:

x = e
Cuando las muestras se toman de una poblacin
pequea y sin reemplazo, se puede usar la formula
siguiente para encontrar x .

donde
es la desviacin estndar de la poblacin de donde se
toman las muestras, n es el tamao de la muestra y
TEORA N el de la poblacin. ING.
55 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Como regla de clculo, si el muestreo se hace sin

reemplazo y el tamao de la poblacin es al menos 20
veces el tamao de la muestra (N20), entonces se puede
usar la frmula.

El factor se denomina

factor de correccin para una poblacin finita.

TEORA ING.
56 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Ejemplo:
La tabla siguiente muestra la antigedad en aos en el trabajo
de tres profesores universitarios de matemticas:

Profesor de Antigedad
matemticas
A 6
B 4
C 2

TEORA ING.
57 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Suponga adems que se seleccionan

muestras aleatorias de tamao 2 sin
reemplazo.
Calcule la antigedad media para cada
muestra, la media de la distribucin
muestral y el error estndar, o la
desviacin estndar de la distribucin
muestral.

TEORA ING.
58 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL
Solucin:
Se pueden tener 3C2 =3 muestras posibles. La tabla lista
todas las muestras posibles de tamao 2, con sus
respectivas medias muestrales.

Muestras Antigedad Media

Muestral
A,B (6,4) 5

A,C (6,2) 4

B,C (4,2) 3
TEORA ING.
59 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

La media de la poblacin es:

= (6+4+2)/3

= 4

La desviacin estndar de la poblacin es:

TEORA ING.
60 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

El error estndar o la desviacin estndar de

la distribucin muestral es:

TEORA ING.
61 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Si se utiliza la frmula del error estndar sin el

factor de correccin tendramos que:

TEORA ING.
62 WILL
DEL IAM
MUESTREO LEO
N V.
 TEOREMA DEL LMITE CENTRAL

Por lo que observamos que este valor no es el

verdadero. Agregando el factor de correccin
obtendremos el valor correcto:

TEORA ING.
63 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIN MUESTRAL DE MEDIAS

Si recordamos a la distribucin
normal, esta es una
distribucin continua, en forma
de campana en donde la
media, la mediana y la moda
tienen un mismo valor y es
simtrica.

TEORA ING.
64 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIN MUESTRAL DE MEDIAS
Con esta distribucin podamos calcular la
probabilidad de algn evento relacionado con la
variable aleatoria, mediante la siguiente frmula:

En donde z es una variable estandarizada con

media igual a cero y varianza igual a uno. Con
esta frmula se pueden hacer los clculos de
probabilidad para cualquier ejercicio, utilizando
la tabla de la distribucin z.
TEORA ING.
65 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIN MUESTRAL DE MEDIAS
Sabemos que cuando se extraen muestras de
tamao mayor a 30 o bien de cualquier tamao de
una poblacin normal, la distribucin muestral de
medias tiene un comportamiento
aproximadamente normal,

por lo que se puede utilizar la formula de la

distribucin normal con y , entonces
la frmula para calcular la probabilidad del
comportamiento del estadstico, en este caso la
media de la muestra , quedara de la siguiente
manera
TEORA ING.
66 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIN MUESTRAL DE MEDIAS

y para poblaciones finitas y muestro con

reemplazo:

TEORA ING.
67 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIN MUESTRAL DE MEDIAS

Ejemplo:
Una empresa elctrica fabrica focos que
tienen una duracin que se distribuye
aproximadamente en forma normal, con
media de 800 horas y desviacin estndar de
40 horas.
Encuentre la probabilidad de que una
muestra aleatoria de 16 focos tenga una vida
promedio de menos de 775 horas.

TEORA ING.
68 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIN MUESTRAL DE MEDIAS

Solucin:

TEORA ING.
69 WILL
DEL IAM
MUESTREO LEO
N V.
 DISTRIBUCIN MUESTRAL DE MEDIAS

Este valor se busca en la tabla de z

La interpretacin sera que la

probabilidad de que la media de la
muestra de 16 focos sea menor a 775
horas es de 0.0062.

TEORA ING.
70 WILL
DEL IAM
MUESTREO LEO
N V.
 Proporcin poblacional p = 0.75 Muestra de
E1 E2
tamao 2 con
E3 F1 reemplazo
Proporciones Proporciones Distribucin muestral
muestrales muestrales de la proporcin
E1 E1 1.0 E3 E3 1.0 P f(P)

E1 E2 1.0 E1 F1 0.5 0.0 0.0625

0.5 0.3125
E2 E1 1.0 F1 E1 0.5
1.0 0.5625
E (P ) = 0.75
E1 E2 1.0 E2 F1 0.5
E3 E1 1.0 F1 E2 0.5
P2 = 0.09375
E2 E3 1.0 E3 F1 0.5
Observar que
E3 E2 1.0 F1 E3 0.5
0.75 .025
E2 E2 1.0 F1 F1 0.0 0.09375 =
2
 Proporcin poblacional p = 0.75
E1 E2 Muestra de
tamao 2 sin
E3 F1 reemplazo

Proporciones Proporciones Distribucin muestral

muestrales muestrales de la proporcin
E1 E2 1.0 E1 F1 0.5 P f(P)
0.5 0.5
E (P ) = 0.75
E2 E1 1.0 F1 E1 0.5
1.0 0.5
E1 E3 1.0 E2 F1 0.5
E3 E1 1.0 F1 E2 0.5 P2 = 0.0625
1.0 0.5 Observar que
E2 E3 E3 F1
0.75 0.25 4 2
1.0 0.5 0.0625 =
E3 E2 F1 E3 2 4 1
Sea una muestra aleatoria de tamao n donde p es
el porcentaje poblacional de xitos, y es laP
proporcin muestral
E(P ) = p

V. Esperado Con o sin reemplazo en una

Sin reemplazo en una
poblacin infinita, o con poblacin finita de tamao N
reemplazo en una finita

Varianza p (1 p ) 2
=
p (1 p ) N n
P =
2
P
n N 1
Error estndar n
p (1 p) = p (1 p) N n
P = P
n N 1
n
 Si n30, y la poblacin infinita o el muestreo es con reposicin en una poblacin finita:

p (1 p )
P N p,
n
Si n30 y la poblacin es finita de tamao N y el muestreo es sin reposicin:

p (1 p ) N n
P N p,
n N 1
Condiciones:
n 30
Si es la proporcin de xitos en una m. a. de tamao n, el IC del (1-) x 100% para p
es:
p

p (1 p ) p (1 p )
pz p p+z
1 n 1 n
2 2

Lmite inferior de confianza Lmite superior de confianza

Sea X1, X2,...,Xn una m.a. de tamao n de una
poblacin normal con media m y varianza s2.
Si S 2 es la varianza muestral, entonces:

n 1 2
ES( )2
=
n

( n 1) S 2

2
n 1 gl
2
Condiciones:
Poblacin normal
Si es la varianza muestral de una m.a. de tamao n, el IC del (1-
) x 100% para 2 es:
2
s
( )
n 1 s 2

( )
n 1 s 2

2

2
2
1
2 2
Lmite inferior de confianza Lmite superior de confianza
 Condiciones:
Poblacin normal, varianzas conocidas

12 22 12 22
(x1 x2 ) z1 + 1 2 ( x1 x2 ) + z +
n1 n2 1 n1 n2
2 2

Poblacin normal, varianzas desconocidas e iguales

s 2p s 2p s 2p s 2p
( x1 x2 ) t1 + 1 2 ( x1 x2 ) + t +
2 n 1 2n 1
2 n
1 n2
Lmite inferior de confianza
(n1 1)s12 + (n2 1)s22
Lmite superior de confianza

s 2
= t tiene n1+n2-2 grados de libertad
n1 + n2 2
p
 Condiciones:
Poblacin normal, varianzas desconocidas desiguales
s2
s 2
s12 s22
( x1 x2 ) t1 1
+ 1 2 ( x1 x2 ) + t
2
+
n1 n2 1 n1 n2
2 2
Lmite inferior de confianza 2 Lmite superior de confianza
s 2
s
2
+
1 2

v= n1 n2 grados de libertad
2 2 2 2
s1 s2
n n
1 + 2
n1 1 n2 1
 Condiciones:
p1 y p2
n1 y n2 30
Si son las proporciones de xitos en una m. a. de tamaos n1 y n2, el intervalo de
confianza del (1-) x 100% para p1 y p2 es:

p1 (1 p1 ) p2 (1 p2 ) p1 (1 p1 ) p (1 p2 )
( p1 p2 ) z1 + ( p1 p2 ) + z
1

n1
+ 2
n2
2 n1 n2 2

p1 p2
Lmite inferior de confianza Lmite superior de confianza
 S S
X t / 2 < < X + t / 2
n n
S N n S N n
X t / 2 < < X + t / 2
n N 1 n N 1
En un estudio de costos del seguro de
choques automovilsticos, una muestra
aleatoria de 80 costos de reparacin de
carroceras para una clase particular de
daos tiene una media de $472 y una
desviacin estndar de $62. Obtenga un
intervalo con un 90% de nivel de
confianza para el costo medio de
reparacin del tipo de dao considerado
 Una mquina produce piezas
metlicas de forma cilndrica. Se toma
una muestra de las piezas y los
dimetros son 1.01, 0.97, 1.03, 1.04,
0.99, 0.98, 0.99, 1.01 y 1.03
centmetros. Encuentre un intervalo de
confianza de 99% para el dimetro
medio de las piezas de esta mquina,
suponga una distribucin
aproximadamente normal.
 S S
X z 1 / 2 < < X + z 1 / 2
n n

S Nn S Nn
X z 1 / 2 < < X + z 1 / 2
n N 1 n N 1
 Condiciones:

n1 y n2 <= 30
Si p1 y p2 son las proporciones de xitos en una m. a. de
tamaos n1 y n2, el intervalo de confianza del (1-a) x 100%
para p1 y p2 es:
p1 (1 p1 ) p2 (1 p2 )
( p1 p2 ) z
1
+
2 n1 n2
p1 p2 Lmite superior de confianza

Lmite inferior de confianza p1 (1 p1 ) p2 (1 p2 )

( p1 p2 ) + z +
1 n1 n2
2
wjleonv@yahoo.com

ING. WILLIAM LEON V.

86