Proyecto Distribucion Muestral 2022

Proyecto
de
Distribución Muestral
Asignatura: Estadística ll (Virtual)
Catedrático: Ing. Leonel David Ordoñez.
Estudiante: Alexandra Rocío Ayestas Chevez.
Cuenta: 118010101
Carrera: Ingeniería en Sistemas
Tegucigalpa D.C, Honduras.

Introducción
En estadística, una población es el conjunto completo del que se
extrae una muestra estadística. Una población puede referirse a un
grupo completo de personas, objetos, eventos, visitas al hospital o
mediciones. Una distribución muestral es una estadística que se
obtiene mediante un muestreo repetido de una población más
grande.
La distribución muestral puede describir un rango en posibles

resultados de una estadística, por ejemplo, la media o una moda de
alguna variable, porque siempre existe una población.
Una gran cantidad de datos extraídos y utilizados por académicos,

estadísticos, investigadores, comercializadores, analistas, etc. son
en realidad muestras, no poblaciones
Cada muestra tiene su propia media muestral y la distribución de las

medias muestrales se conoce como distribución muestral. Otras
estadísticas, como la desviación estándar, la varianza, la proporción
y el rango se pueden calcular a partir de datos de muestra. La
desviación estándar y la varianza miden la variabilidad de la
distribución muestral.
El estudio de la estadística y la probabilidad juegan un rol

complementario y se enfocan al estudio de fenómenos del mundo
real que involucran la incertidumbre; la estadística, por un lado,
emplea las características de los procesos aleatorios mientras que
la probabilidad modela dichos procesos con la finalidad de hacer
inferencias de problemas que involucran datos concentrándose
directamente en describir, cuantificar y modelar fenómenos
aleatorios.
Objetivos Generales y específicos
La distribución de muestreo de una estadística es la distribución de

esa estadística, considerada como una variable aleatoria, cuando
se deriva de una muestra aleatoria de tamaño ո. Se puede
considerar como la distribución de la estadística para todas las
muestras posibles de la misma población de un tamaño de muestra
dado. La distribución del muestreo depende de la distribución
subyacente de la población
Entonces, el objetivo de esta investigación es mostrar como la

distribución muestral puede considerar todas las muestras posibles
de una población estimada. Permitirá calcular la probabilidad que
tiene de las muestras, siempre acercándose al parámetro de la
población.
También como objetivo se buscará estimar el error de un tamaño en

específico con las muestras ya dadas.
Antecedentes
La distribución muestral nos dice el número de muestras que tenían

una media determinada y se puede utilizar para encontrar las
probabilidades de que ocurra una media determinada. Por ejemplo,
en 5 de las 100 muestras, las 20 bolsas seleccionadas al azar
tenían un promedio de 17 dulces por bolsa. Por lo tanto, existe un
5% (5/100) de posibilidades de que una bolsa contenga 17 dulces.
Una de las áreas con mayor aplicación de la estadística práctica es

la inferencia estadística. Su importancia radica en que, mediante la
aplicación de sus métodos, es posible obtener conclusiones
significativas acerca de toda una población con base en la
información que proporcionan los datos de una sola muestra o un
experimento. Un concepto clave en el que se fundamentan los
métodos de inferencia estadística son las distribuciones muestrales,
ya que representan el valor que puede tomar un estadístico (por
ejemplo, la media o la proporción) encada una de las muestras
aleatorias de un tamaño dado que se pueden extraer de una misma
población.
Las muestras aleatorias obtenidas de una población son, por

naturaleza propia, impredecibles. No se esperaría que dos muestras
aleatorias del mismo tamaño y tomadas de la misma población
tenga la misma media muestral o que sean completamente
parecidas; puede esperarse que cualquier estadístico, 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 quiere
estudiar la distribución de todos los valores posibles de un
estadístico.
Marco Teórico
En cada una de las distintas muestras que pueden ser extraídas de
una población se pueden calcular estadísticos como la media
aritmética o la proporción de elementos que presentan cierta
característica; por ejemplo, la media de estaturas o la proporción de
licenciados universitarios. Cuando los elementos son escogidos de
manera aleatoria, los estadísticos pueden tomar distintos valores en
cada una de las muestras, cada uno de ellos con distinta
probabilidad. En los ejemplos del inicio de esta sección ya vimos
que los valores de la media en diferentes muestras aleatorias se
encontraban con mayor probabilidad cerca del valor de la media
poblacional, y que era menos probable que se encontrasen muy
alejados de ella.
La probabilidad de cada uno de los posibles valores que puede

tomar un estadístico en muestras extraídas al azar viene dada por
una función matemática denominada distribución muestral, que
depende del estadístico en cuestión. Se habla así, por ejemplo, de
la distribución muestral de la media aritmética o de la distribución
muestral de la proporción.
Una distribución muestral es una función de probabilidad, ya que

asigna a cada posible valor de un estadístico su probabilidad de
aparecer en una muestra extraída al azar. En realidad, esta
definición es estrictamente cierta solo cuando la variable toma
valores discretos; por ejemplo, cuando procede de un contaje y sus
posibles valores son 0, 1, 2, 3, etc. Cuando el valor del estadístico
muestral es una variable continua, la distribución muestral
correspondiente se denomina función de densidad de probabilidad.
La probabilidad en este caso corresponde gráficamente a un área
bajo la curva de esa función, delimitada por un cierto intervalo de la
variable. Analíticamente, esa área se calcula como la integral de la
función entre los límites del intervalo de la variable, que en la
práctica se obtiene con un ordenador o se consulta en una tabla. El
área total bajo la curva, que se extiende a todos los posibles valores
de la variable, es siempre uno, que corresponde a la probabilidad
de un suceso seguro.
Por ejemplo:
La función de densidad de probabilidad más importante en

estadística se llama distribución normal o distribución gaussiana, o
también campana de Gauss, por la forma que toma cuando es
representada gráficamente (como aparece en la figura anterior). Su
forma concreta depende de dos parámetros, la media y la varianza.
La curva alcanza un máximo cuando la variable toma el valor de la
media, y es simétrica respecto a ese valor, aproximándose a cero
indefinidamente conforme la variable se aleja de la media por
ambos lados.
Así es el ejercicio de la distribución muestral y sus pasos:
Las estaturas de 1000 estudiantes están distribuidas

aproximadamente en forma normal con una media de 174.5
centímetros y una desviación estándar de 6.9 centímetros. Si se
extraen 200 muestras aleatorias de tamaño 25 sin reemplazo de
esta población, determine:
a) El número de las medias muestrales que caen entre 172.5 y

175.8 centímetros.
b) El número de medias muestrales que caen por debajo de 172
centímetros.
La solución es como se puede observar en ese ejercicio se

cuenta con una población finita y un muestreo sin reemplazo, por
lo que se tendrá que agregar el factor de corrección.
Se procederá a calcular el denominador de Z para solo sustituirlo

en cada inciso.
Conclusiones
-La distribución Muestral es una herramienta muy importante, la

increíble forma de recopilar información, para los investigadores,
estadísticos, analizadores, comercializadores con propósitos de
recibir más información.
-Cada muestra tiene su propia media muestral y la distribución de

las medias muestrales se conoce como distribución muestral. Otras
estadísticas, como la desviación estándar, la varianza, la proporción
y el rango se pueden calcular a partir de datos de muestra. La
desviación estándar y la varianza miden la variabilidad de la
distribución muestral.
- Cuantas más muestras utilice el investigador de la población, más

comenzará a formar una distribución normal en el gráfico.
Bibliografía
Bibliografía
Barone, A. (2020). Análisis Fundamental Herramientas para el
Análisis Fundamental.
Hugo Alvarado, N. S. (2012). Significado de las Distribuciones
Muestrales.
Inzunza, S. (2017). Significado institucional de las distribuciones
muestrales en libros de texto universitarios.
https://www.slideshare.net/asrodriguez75/problemas-resueltos-de-
distribucin-muestral

Proyecto Distribucion Muestral 2022

Cargado por

Copyright:

Formatos disponibles

Proyecto Distribucion Muestral 2022

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto Distribucion Muestral 2022

Cargado por

Copyright:

Formatos disponibles

Proyecto

Asignatura: Estadística ll (Virtual)

Catedrático: Ing. Leonel David Ordoñez.

Estudiante: Alexandra Rocío Ayestas Chevez.

Carrera: Ingeniería en Sistemas

Tegucigalpa D.C, Honduras.

La distribución muestral puede describir un rango en posibles

Una gran cantidad de datos extraídos y utilizados por académicos,

Cada muestra tiene su propia media muestral y la distribución de las

El estudio de la estadística y la probabilidad juegan un rol

La distribución de muestreo de una estadística es la distribución de

Entonces, el objetivo de esta investigación es mostrar como la

También como objetivo se buscará estimar el error de un tamaño en

La distribución muestral nos dice el número de muestras que tenían

Una de las áreas con mayor aplicación de la estadística práctica es

Las muestras aleatorias obtenidas de una población son, por

La probabilidad de cada uno de los posibles valores que puede

Una distribución muestral es una función de probabilidad, ya que

La función de densidad de probabilidad más importante en

Las estaturas de 1000 estudiantes están distribuidas

a) El número de las medias muestrales que caen entre 172.5 y

La solución es como se puede observar en ese ejercicio se

Se procederá a calcular el denominador de Z para solo sustituirlo

-La distribución Muestral es una herramienta muy importante, la

-Cada muestra tiene su propia media muestral y la distribución de

- Cuantas más muestras utilice el investigador de la población, más

También podría gustarte