Conceptos Básicos

Población. Conjunto de todos los valores

(datos) de una variable observada o medida
en un conjunto de objetos dado (Universo).
Muestra. Subconjunto de datos de una
población.

Parámetro. Número que describe una

característica en una población.
Estadístico. Número que describe una
característica en una muestra.
Muestreo Aleatorio
Cualquiera que sea el método de recolección de
datos, un requisito fundamental en la obtención
de información que pueda ser utilizada en la
inferencia estadística es la aleatoriedad.

La aleatoriedad permite eliminar sesgo en la

información y garantiza la aplicación de la
teoría de probabilidad para evaluar la
precisión con que se efectúa la inferencia
estadística.
El muestreo aleatorio consiste de
procedimientos para seleccionar una muestra
de una población estadística, de tal manera
que la selección de elementos se rige por
leyes de azar.

Al muestreo aleatorio también se le llama

muestreo probabilístico.
Técnicas de Muestreo
1). Muestreo Aleatorio Simple.
Simple
En el muestreo aleatorio simple ninguna
restricción se impone en la selección aleatoria
de elementos desde la población a la muestra.
Todos los elementos de la población tienen la
misma posibilidad de pertenecer a la muestra.
muestra
Para el muestreo aleatorio simple se
recomienda el uso de una tabla de números
aleatorios o un generador de números
aleatorios por computadora.
2). Muestreo Aleatorio Estratificado.
Estratificado

En el muestreo aleatorio estratificado, la

población primero se divide en grupos (estratas)
y luego de cada estrata se selecciona una muestra
aleatoria simple.

La estratificación se realiza de acuerdo a una o

más características de interés. El tamaño de
muestra de cada estrata usualmente es
proporcional al tamaño de la estrata .
3). Muestreo Aleatorio por Conglomerados
(Clusters)
En el muestreo por conglomerados, los
elementos de la población son agrupados de
acuerdo con la “cercanía” de unos a otros.
Una vez que los grupos (clusters) han
sido formados, se selecciona una muestra
aleatoria simple de grupos.
Todos los elementos en un grupo
seleccionado pasan a formar parte de la
muestra.
La principal ventaja del muestreo por
conglomerados es su bajo costo y facilidad
de implementación.

Su principal desventaja es la falta de

precisión e independencia en los datos
obtenidos.
4). Muestreo Aleatorio Sistemático.
Sistemático
En el muestreo aleatorio sistemático los
elementos son seleccionados de una lista
previamente elaborada con el universo.

El primer paso consiste en seleccionar al

azar un número k de una tabla o generador
de números aleatorios.

Luego, de la lista se seleccionan los

elementos con los números k, 2k, 3k, ... hasta
completar el tamaño de muestra deseado
El muestreo aleatorio sistemático es aplicable
cuando la población estadística se va
generando en el tiempo.
tiempo

Por ejemplo, clientes en un banco, artículos en

una línea de producción, etc.

Su principal desventaja ocurre cuando los datos

presentan algún comportamiento o patrón
cíclico en el tiempo.
Muestra Aleatoria
Toda muestra seleccionada mediante un
procedimiento aleatorio se denomina muestra
aleatoria.
Notación
Una muestra aleatoria de tamaño n se representa
por X1, X2,...Xn , donde
X1 = primer elemento en la muestra.
X2 = segundo .elemento en la muestra.
.

Xn = n-ésimo elemento en la muestra.

 Si X1, X2, ... Xn denota cualquier muestra
aleatoria de tamaño n, los elementos
seleccionados variarán aleatoriamente de
muestra a muestra.

Una variable aleatoria muestral es

cualquier estadístico calculado a partir de X1,
X2,...Xn . n n
X  X
1
n i S   X  X 
2 1
n 1 i
2

i 1 i 1

son variables aleatorias muestrales.

Distribución Muestral.

La distribución de probabilidad de un
estadístico se denomina distribución
muestral.

Error Estándar

El error estándar de un estadístico es

la desviación estándar de la distribución
muestral de ese estadístico.
Distribuciones Muestrales
Distribución de X
Si X1, X2,...Xn es una muestra aleatoria de
tamaño n, tomada de una población arbitraria
con media  y varianza  , entonces
2

Para una población infinita.

infinita
 X  E  X  

 V  X   n
2
X
2
Para una población finita de tamaño N.
 X  E  X  

 V  X   n
2
X
2
 NN 1n 

Resultado.
El error estándar de X es
 si la población es infinita y
n
 N n
n N1
si la población es finita
Resultado
Si X1, X2,...Xn es una muestra
aleatoria tomada de una población normal
con media  y varianza 2, entonces
 2 
X N   , 
 n 

X 
Z  N 0,1

n
Ejemplo
Una compañía maderera planea cortar
400 árboles de un bosque muy grande con 50
años de antigüedad. La madera que se extrae
de cada árbol depende en gran medida de su
diámetro.
Suponga que la distribución de los
diámetros en el bosque es normal con una
media de 44 pulgadas y una desviación
estándar de 4 pulgadas.
 También suponga que la selección de
400 árboles es efectivamente aleatoria.
Encuentre la probabilidad de que el diámetro
promedio de los árboles cortados se
encuentre entre 43.5 y 44.5.

Solución
 4
 X 44 X   0.20
n 400
 X 
Z  N 0,1

n
P(43.5  X 44.5) 

 43.5  44 44.5  44 
P  Z  
 0.20 0.20 

 P  2.50 Z 2.50
= P(Z < 2.5) - P (Z <-2.5)
0.9938  0.0062

0.9876
Teorema del Límite Central

Si X1, X2,...Xn es una muestra aleatoria

tomada de una población arbitraria con media
 y varianza 2, entonces
 2 
X N   , 
 n 

siempre que n sea suficientemente grande

(n  30).
La Distribución Ji Cuadrada 2
Una variable aleatoria continua 2 con
distribución
1
f    k 2
k 1  
2
2 e 2
2 k 2 

f  2 
 k2 k = 1, 2, 3,...


se denomina variable ji-cuadrada y se dice
que tiene una distribución ji-cuadrada con
k grados de libertad.

Ésto último se denota por

 
2 2
k
 Tablas de la distribución ji-cuadrada
han sido construídas para diferentes valores
2
de k, , y valores críticos ,k tales que


  P  2  2 ,k 

f  2 
 k2

2 ,k
Ejemplo
A partir de la tabla ji-cuadrada
obtenga
2
a). 0.05,10

2
b). 0.95,15
 Solución 2

10

=0.05
 2
a). 0.05 ,10 18.3070
2
0.05,10

2
 1
5
b). 
2
0.95 ,15 7.26094
=0.95

2
0.95,15
Resultado
Si X1, X2,…, Xn es una muestra
aleatoria de tamaño n tomada de una
población normal con media  y
varianza 2, entonces
2 
 n  1 S 2

 2
n 1
2

donde S2 es la varianza de la muestra.

La Distribución t

Una variable aleatoria continua T con

distribución
  k 21  1
f t   
k     t2  2
k k 1

2
  1
k 

- < t < 
 tk

k = 1, 2, 3, ...

t
0

se denomina variable aleatoria t y se dice que

tiene una distribución t con k grados de
libertad. Ésto último se denota por
T  tk
 Tablas de la distribución t han sido
construídas para diferentes valores de k,  y
valores críticos t , k tales que
 P T  t,k 

tk

0 t  ,k
Ejemplo
De la tabla t obtenga a). t0.05,20 b). t0.95,10

Solución
a). t0.05,20 1.725

 = 0.05

1.725
0
b). t0.95,10 = -1.812

t 20

 = 0.95
0.95

-1.812 0
Resultado
Si X1, X2,...Xn es una muestra aleatoria
de tamaño n tomada de una población
normal con media  y 2 varianza
(desconocida) . Entonces
X 
T tn  1
S
n

donde S es la desviación estándar de la muestra

La Distribución F
Una variable aleatoria X con
distribución

  
k1

x 
k1
k1 k 2 k1 1
 2 2

F x   2 k2

   x  1
k1  k 2
k1 k2 k1 2
2 2 k2

- < t < 
se denomina variable F y se dice que tiene
una distribución F con k1 grados de
libertad en el numerador y k2 grados de
libertad en el denominador.
 f(x)
Fk ,k2
1

k 1 = 1, 2, 3 , .....

k 2 = 1, 2, 3 , .....

Esto último se denota por

X  Fk 1 , k2
La distribución F ha sido tabulada para
diferentes valores de k1, k2 y valores críticos
F , k , k tales que  P X  F , k , k 
1 2
1 2

f(x)

Fk1 ,k2

F,k1 ,k 2 x
Resultado
La distribución F satisface la siguiente
relación
1
F1 , k1 , k2 
F, k2 , k1

Ejemplo
De la tabla F obtenga
1). F0.05, 5, 10
2). F0.05, 20, 8
3). F0.95, 10, 15
Solución
1). F0.05, 5, 10 = 3.33

F5,10 0.05

0 3.33

2). F0.05, 20, 8 = 3.15

F20,8 0.05

0 3.15
3). F0.95, 10, 15  1
F1 0.95,15,10

1

F0.05 ,15 ,10
1
F0.95 ,10 ,15  0.3508
2.85

F0.95,15,10
0.95
0 0.3508