Distribuciones

muestrales
Clase 11
Estadística y probabilidades
Agenda

• TIPOS DE MUESTREO
• DISTRIBUCIÓN MUESTRAL DE LA MEDIA
• TEOREMA CENTRAL DEL LÍMITE
• DISTRIBUCIÓN MUESTRAL DE LA MEDIA MUESTRAL
• DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN MUESTRAL

2
 Seestudiopoblaciones ,discretas o
Antes
continuas y se empleo la
probabilidad para determinar qué
tan probables podrían ser ciertos
resultados muestrales.

3
 Se estudiara
Ahora
muestras y las
estadísticas que
las describen

4
 Temas
Muestras aleatorias
El teorema del límite central
La distribución muestral de la media muestral
La distribución muestral de la proporción
muestral

5
Introducción Parámetro --> medidas numéricas descriptivas.
En situaciones prácticas, usted puede decidir qué tipo de Ej: El valor de p en la distribución binomial o y en la
distribución de probabilidad usar como modelo, pero los distribución normal.
valores de los parámetros que especifican su forma exacta
se desconocen.

Por ejemplo:
• Un entrevistador está seguro de que las respuestas a sus
preguntas “de acuerdo/en desacuerdo” seguirán una
distribución binomial, pero se desconoce p, la
proporción de quienes están “de acuerdo” de la
población.
• Un agrónomo cree que la producción por acre de una
variedad de trigo está distribuida normalmente en forma
aproximada, pero se desconocen la media m y
desviación estándar s de la producción.

En estos casos, debemos apoyarnos en la muestra para saber de estos parámetros.

¡Si se desea que la muestra dé información confiable acerca de la población, la muestra
debe ser seleccionada en cierta forma!
6
Tipos de muestras

“Planes muestrales”

7
PLANES MUESTRALES Y DISEÑOS EXPERIMENTALES
La forma en que una muestra se selecciona y determina la cantidad de información de la muestra

MUESTREO ALEATORIO SIMPLE

El muestreo aleatorio simple es un plan muestral de uso común en el que cada muestra de tamaño n tiene la misma
probabilidad de ser seleccionado.

EJEMPLO 1:
Supongamos que se desea seleccionar una muestra de tamaño n = 2 de una población que contiene N = 4 objetos (, , y .

Si la muestra de n = 2 observaciones se selecciona de modo que cada una de estas seis muestras tenga la misma
probabilidad de selección, dada por 1/6, entonces la muestra resultante se denomina muestra aleatoria simple o
únicamente muestra aleatoria 8
Ejemplo 2
Una base de datos de computadora en una empresa urbana de abogados contiene archivos para N = 1000 clientes. La
empresa desea seleccionar n = 5 archivos para revisión. Seleccione una muestra aleatoria simple de cinco archivos de esta
base de datos.

Solución
Primero debe marcar cada archivo con un número de 1 a 1000. Luego, genere una secuencia de 10 números aleatorios de
tres dígitos. Los primeros tres dígitos de la tabla indican el número del primer archivo a revisarse. El número aleatorio 001
corresponde al archivo #1 y el último archivo, #1000 corresponde al número aleatorio 000. Usando la tabla, se escogerían
los cinco archivos numerados 155, 450, 32, 882 y 350 para revisión.

9
Problemas con ese tipo de muestreo
Tenga cuidado al efectuar un estudio muestral y esté atento a estos problemas que se presentan con frecuencia

No respuesta: Usted ha seleccionado su muestra aleatoria y enviado sus cuestionarios, pero sólo 50% de los
entrevistados devolvió sus cuestionarios. ¿Las respuestas que usted recibió son representativas de toda la población
o están sesgadas porque sólo quienes eran particularmente obstinados en el tema fueron escogidos para responder?

Cobertura demasiado baja: Usted ha seleccionado su muestra aleatoria usando registros telefónicos como una base
de datos. ¿La base de datos que usó sistemáticamente excluye ciertos segmentos de la población, quizá aquellos que
no tienen teléfono?

Sesgo verbal: El cuestionario puede tener preguntas que son demasiado complicadas o tienden a confundir al lector.
Posiblemente las preguntas son sensibles por naturaleza, por ejemplo, “¿Alguna vez ha consumido usted drogas?” o
“¿Alguna vez ha engañado en su declaración de impuestos?” y quienes responden no contestan con la verdad.

10
Muestreo aleatorio estratificado
Un muestreo aleatorio estratificado comprende seleccionar una muestra aleatoria simple de cada uno de un número dado de
subpoblaciones o estratos.

EJEMPLO 3:
• Las opiniones de la ciudadanía, acerca de la construcción de un centro de artes interpretativas.
• Se desea realizar una investigación sobre la cantidad de personas que consumen bebidas alcohólicas en Colombia.
(dividir la población según su edad)

11
Muestra de conglomerados
Una muestra de conglomerados es una simple muestra aleatoria tomada de los conglomerados disponibles en la población.

EJEMPLO 4:
• Una familia es un conglomerado de personas que viven juntas.
• Una manzana o vecindario de una ciudad podrían ser una cómoda unidad muestral y podría ser considerada un
conglomerado para un plan determinado muestral.

12
Muestra aleatoria sistemática
Una muestra aleatoria sistemática 1 en k involucra la selección aleatoria de uno de los primeros k elementos de una
población ordenada y luego la selección sistemática de cada k-ésimo elemento de ahí en adelante.

EJEMPLO 5:
• Una lista alfabetizada de personas con licencias de manejo
• Una lista de usuarios de la compañía de luz por direcciones de servicio o una lista de clientes por números de cuenta

13
Otros tipos de muestreo

Hacer publicidad a personas a quienes se les pagará una cuota por participar en un
experimento produce una muestra de conveniencia.

El muestreo de juicio permite que la persona que haga el muestreo decida quién
estará o no incluido en la muestra.

El muestreo de cuota, en el que la composición de la muestra debe reflejar la

composición de la población en alguna característica preseleccionada, con
frecuencia tiene un componente no aleatorio en el proceso de selección.

14
ESTADÍSTICAY
DISTRIBUCIONES
MUESTRALES

15
 Distribución muestral de una estadística

La distribución muestral de una estadística es la distribución de probabilidad para los posibles valores de la estadística, que
resulta cuando muestras aleatorias de tamaño n se sacan repetidamente de la población.

Hay tres formas de hallar la distribución muestral de una estadística:

1. Deducir la distribución matemáticamente usando las leyes de probabilidad.
2. Usar una simulación para aproximar la distribución. Esto es, saque un gran número de muestras de tamaño n,
calculando el valor de la estadística para cada muestra y tabule los resultados en un histograma de frecuencia relativa.
Cuando el número de muestras es grande, el histograma será muy cercano a la distribución teórica muestral.
3. Usar teoremas estadísticos para obtener distribuciones muestrales exactas o aproximadas.

16
Ejemplo 6

Una población está formada por N = 5 números: 3, 6, 9, 12, 15. Si una muestra aleatoria de tamaño n = 3 se selecciona sin
reemplazo, encuentre las distribuciones muestrales para la media muestral y la mediana.

Hay 10 posibles muestras aleatorias de

tamaño n = 3 y cada una de ellas es
igualmente probable, con probabilidad
1/10.

Continua… 17
Ejemplo 6

Distribuciones muestrales

18
Teorema del limite central

19
Teorema del limite central

20
Otra forma de ver el teorema del limite central

21
Ejemplo

22
LA DISTRIBUCIÓN
MUESTRAL DE LA
MEDIA
MUESTRAL

23
24
25
Ejemplo 7

La duración de la enfermedad de Alzheimer desde el principio de síntomas hasta el fallecimiento varía de 3 a 20 años; el
promedio es 8 años con una desviación estándar de 4 años. El administrador de un gran centro médico al azar selecciona
los registros médicos de 30 pacientes de Alzheimer ya fallecidos, de la base de datos del centro médico y anota la duración
promedio. Encuentre las probabilidades aproximadas para estos eventos:
1. La duración promedio es menor a 7 años.

26
Ejemplo 7
2. La duración promedio excede de 7 años.

3. La duración promedio está a no más de 1 año de la media poblacional = 8

27
Ejemplo 8
Para evitar dificultades con la Comisión Federal de Comercio de EE.UU. o con oficinas locales y estatales de protección al
consumidor, un embotellador de refrescos debe estar razonablemente seguro de que sus botellas de 12 onzas en realidad
contengan 12 onzas de líquido. Para determinar si una máquina está funcionando de manera satisfactoria, un embotellador
muestrea al azar 10 botellas por hora y mide la cantidad de líquido de cada botella. La media de las 10 medidas llenas se
usa para determinar si se reajusta la cantidad de líquido introducido en la botella por la máquina llenadora. Si los registros
muestran que la cantidad de líquido por botella está normalmente distribuida, con una desviación estándar de 0.2 onzas y si
la máquina embotelladora está ajustada para producir un llenado medio por botella de 12.1 onzas, ¿cuál es la probabilidad
aproximada de que la media muestral de las 10 botellas sea menor a 12 onzas?
Solución

28
29
LA DISTRIBUCIÓN
MUESTRAL DE LA
PROPORCIÓN
MUESTRAL

30
LA DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN MUESTRAL

Hay numerosos ejemplos prácticos de la variable aleatoria x binomial. Una aplicación común se relaciona con la
preferencia del consumidor o encuestas de opinión, donde usamos una muestra aleatoria de n personas, para estimar la
proporción p de personas en la población que tienen una característica especificada. Si x de las personas muestreadas
tienen esta característica, entonces la proporción muestral

31
PROPIEDADES DE LA DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN
MUESTRAL

32
Ejemplo 9

En una encuesta, a 500 madres y padres se les preguntó sobre la importancia del deporte para hijos e hijas. De los padres
entrevistados, 60% estuvieron de acuerdo que los géneros son iguales y deben tener iguales oportunidades de participar en
deportes. Describa la distribución muestral de la proporción muestral de padres que están de acuerdo en que los géneros
son iguales y deben tener iguales oportunidades.

33
Ejemplo 9

Suponga que la proporción p de padres en la población es en realidad igual a .55. ¿Cuál es la probabilidad de observar una
proporción muestral igual de grande o mayor que el valor observado

34
Referencias

Mendehall, Beaver & Beaver (2010). Introducción a la Probabilidad y Estadística Fundamental. Décima tercera edición.
Cengage Learning.
Walpole, R & Myers (2012). Probabilidad y estadística para ingeniería y ciencias. Novena edición. Pearson