Anda di halaman 1dari 20

Distribuciones normales Requisitos previos ningunos Introduccin Historia reas de distribuciones normales Variedades de versin parcial de programa de distribucin

normal Normal estndar Aproximacin normal al binomio Versin parcial de programa normal de la aproximacin Ejercicios El pdf archiva (en archivo de .zip) La mayor parte de los anlisis estadsticos presentaron en este libro se basan en el el acampanado o de distribucin normal. La seccin introductoria define lo que significa para que una distribucin sea normal y presenta algunas caractersticas importantes de distribuciones normales. La historia interesante del descubrimiento del de distribucin normal se describe en la segunda seccin. Los mtodos para calcular las probabilidades basadas en el de distribucin normal se describen en reas de distribuciones normales. Las variedades de versin parcial de programa de distribucin normal permiten que usted incorpore los valores para la desviacin mala y estndar de un de distribucin normal y que considere un grfico de la distribucin resultante. Un de distribucin normal con frecuencia usado se llama el de distribucin normal estndar y se describe en la seccin con ese nombre. La distribucin binomial se puede aproximar por un de distribucin normal. La aproximacin normal de la seccin al binomio demuestra esta aproximacin. La versin parcial de programa normal de la aproximacin permite que usted explore la exactitud de esta aproximacin.

7. Distribuciones de muestra Requisitos previos ningunos Introduccin

Versin parcial de programa bsica Versin parcial de programa del tamao de muestra Versin parcial de programa del teorema de lmite central Distribucin de muestra del medio La distribucin de muestra de la diferencia entre significa Distribucin de muestra de Pearson' s r Distribucin de muestra de una proporcin Ejercicios El pdf archiva (en archivo de .zip) El concepto de una distribucin de muestra es quizs el concepto ms bsico de estadsticas deductivas. Es tambin un concepto difcil a ensear porque una distribucin de muestra es una distribucin terica algo que una distribucin emprica. La seccin introductoria define el concepto y da un ejemplo para una distribucin discreta y continua. Tambin discute cmo las distribuciones de muestra se utilizan en estadsticas deductivas. La versin parcial de programa bsica es una demostracin interactiva de las distribuciones de muestra. Se disea para hacer el concepto del abstact de distribuciones de muestra ms concreto. La versin parcial de programa del tamao de muestra permite que usted

investigue el efecto del tamao de muestra sobre la distribucin de muestra del medio. La versin parcial de programa del teorema de lmite central (CLT) es una ilustracin interactiva de una caracterstica muy importante y antiintuitiva de la distribucin de muestra del medio. Las secciones restantes del captulo se refieren a las distribuciones de muestra de estadsticas importantes: la distribucin de muestra del medio, la distribucin de muestra de la diferencia entre los medios, la distribucin de muestra de r, y la distribucin de muestra de una proporcin

Introduccin a las distribuciones de muestra Requisitos previos Distribuciones, estadsticas deductivas Aprendizaje de objetivos Defina las estadsticas deductivas Represente una distribucin de probabilidad grficamente para el medio de una variable discreta Describa una distribucin de muestra en trminos de " todo el outcomes." posible; Describa una distribucin de muestra en trminos de muestreo repetido Describa el papel de las distribuciones de muestra en estadsticas deductivas Defina el error estndar del medio Supngale muestra 10 personas de la poblacin de mujeres en Houston Tejas entre las edades de 21 y 35 aos y computado escogido al azar la altura mala de su muestra. Usted no contaba con su medio de muestra de ser igual al medio de todas las mujeres en Houston. Puede ser que sea algo ms baja o puede ser que sea algo ms alta, pero no igualara el medio de poblacin exactamente. Semejantemente, si usted recogiera una segunda muestra de 10 personas de la misma poblacin, usted no contaba con el medio de esta segunda muestra de igualar el medio de la primera muestra. Recuerde que las estadsticas deductivas se refieren a generalizacin de una muestra a una poblacin. Una parte crtica de estadsticas deductivas implica el determinar de hasta dnde las estadsticas de muestra son probables variar de uno a y del parmetro de poblacin. (En este ejemplo, los medios de muestra son estadsticas de muestra y el parmetro de la muestra es el medio de poblacin.) Mientras que las porciones posteriores de este captulo demuestran, estas determinaciones se basan en distribuciones de muestra. Distribuciones discretas Ilustraremos el concepto de distribuciones de muestra con un ejemplo simple. El cuadro 1 demuestra tres bolas de piscina, cada uno con un nmero en l. Dos de las bolas se seleccionan aleatoriamente (con el reemplazo) y el promedio de sus nmeros se computa.

Figure 1. The pool balls.

Todos los resultados posibles se demuestran abajo en el cuadro 1.


Table 1. All possible outcomes when two balls are sampled.

Outcome 1 2 3 4 5 6 7 8 9

Ball 1 1 1 1 2 2 2 3 3 3

Ball 2 1 2 3 1 2 3 1 2 3

Mean 1.0 1.5 2.0 1.5 2.0 2.5 2.0 2.5 3.0

Note que todos los medios son 1.0, 1.5, 2.0, 2.5, o 3.0. Las frecuencias de estos medios se demuestran en el cuadro 2. Las frecuencias relativas son iguales a las frecuencias divididas por nueve porque hay nueve resultados posibles.
Table 2. Frequencies of means for N = 2.

Mean Frequency Relative Frequency 1.0 1.5 2.0 2.5 1 2 3 2 0.111 0.222 0.333 0.222

Table 2. Frequencies of means for N = 2.

3.0

0.111

El cuadro 2 demuestra una distribucin de frecuencia relativa de los medios basados en el cuadro 2. Esta distribucin es tambin una distribucin de probabilidad puesto que el Y-axis es la probabilidad de obtener un medio dado de una muestra de dos bolas adems de ser la frecuencia relativa.
Figure 2. Distribution of means for N = 2.

La distribucin demostrada en el cuadro 2 se llama la distribucin de muestra del medio. Especficamente, es la distribucin de muestra del medio para un tamao de muestra de 2 (N = 2). Por este ejemplo simple, la

distribucin de las bolas de piscina y la distribucin de muestra son amba distribucin discreta. Las bolas de piscina tienen solamente los nmeros 1, 2, y 3, y un medio de muestra puede tener uno de solamente cinco valores posibles. Hay una manera alternativa de conceptuar una distribucin de muestra que sea til para distribuciones ms complejas. Imagnese que dos bolas estn muestreadas (con el reemplazo) y el medio de las dos bolas se computa y se registra. Entonces este proceso se repite para una segunda muestra, una tercera muestra, y eventual los millares de las muestras. Despus de que los millares de muestras se recojan y el medio se computa para cada uno, se dibuja una distribucin de frecuencia relativa. Ms muestras, ms cerca la distribucin de frecuencia relativa vendr a la distribucin de muestra demostrada en el cuadro 2. Pues el nmero de muestras se acerca a infinito, la distribucin de frecuencia se acercar a la distribucin de muestra. Esto significa que usted puede concebir de una distribucin de muestra como siendo una distribucin de frecuencia basada en un nmero muy grande de muestras. Para estar terminantemente correcta, la distribucin de muestra iguala solamente la distribucin de frecuencia exactamente cuando hay un nmero infinito de muestras. Es importante tener presente que cada estadstica, no apenas el medio tiene una distribucin de muestra. Por ejemplo, el cuadro 3 demuestra todos los resultados posibles para la gama de dos nmeros (un nmero ms grande menos el nmero ms pequeo). El cuadro 4 demuestra que las frecuencias para cada uno de las gamas y del cuadro posibles 3 demuestran la distribucin de muestra de la gama.
Table 3. All possible outcomes when two balls are sampled.

Outcome 1 2 3 4 5 6 7 8 9

Ball 1 1 1 1 2 2 2 3 3 3

Ball 2 1 2 3 1 2 3 1 2 3

Range 0 1 2 1 0 1 2 1 0

Table 4. Frequencies of ranges for N = 2.

Range Frequency Relative Frequency 0 1 2 3 4 2 0.333 0.444 0.222

Figure 3. Distribution of ranges for N = 2.

Es tambin importante tener presente que hay una distribucin de muestra para los varios tamaos de muestra. Para la simplicidad, hemos estado utilizando N = 2. La distribucin de muestra de la gama para N = 3 se demuestra en el cuadro 4.

Figure 4. Distribution of ranges for N = 3.

Distribuciones continuas En la seccin anterior, la poblacin consisti en tres bolas de piscina. Ahora consideraremos distribuciones de muestra cuando la distribucin de poblacin es continua. Qu si tenamos mil bolas de piscina con los nmeros que se extendan a partir de la 0.001 a 1.000 en pasos iguales. (Aunque esta distribucin no sea realmente continua, est bastante cercana ser considerada continua para los propsitos prcticos.) Como antes, estamos interesados en la distribucin de medios que conseguiramos si muestreamos dos bolas y computbamos el medio de estos dos. En el ejemplo anterior, comenzamos computando el medio para cada uno de los nueve resultados posibles. Esto conseguira un pedacito aburrido para este problema puesto que hay 1.000.000 resultados posibles (1.000 para la primera bola x 1.000 para el segundo.) Por lo tanto, es ms conveniente utilizar nuestra segunda conceptualizacin de las distribuciones de muestra que conciba de distribuciones de muestra en trminos de

distribuciones de frecuencia relativa. Especficamente, la distribucin de frecuencia relativa que ocurrira si las muestras de dos bolas fueron recogidas en varias ocasiones y el medio de cada muestra computaba. Cuando tenemos una distribucin verdaderamente continua, es no slo imprctico pero realmente imposible enumerar todos los resultados posibles. Por otra parte, en distribuciones continuas, la probabilidad de obtener cualquier solo valor es cero. Por lo tanto, segn lo discutido en el " de la seccin; Introduccin a las distribuciones, " estos valores se llaman las densidades de la probabilidad algo que probabilidades. Distribuciones de muestra y estadsticas deductivas Como indicamos en el principio de este captulo, las distribuciones de muestra son importantes para las estadsticas deductivas. En los ejemplos dados hasta ahora, especificaron a una poblacin y la distribucin de muestra del medio y el gama era resuelta. En la prctica, el proceso procede la otra manera: usted recoge datos de la muestra y, de estos datos que usted estima los parmetros de la distribucin de muestra. Este conocimiento de la distribucin de muestra puede ser muy til. Por ejemplo, sabiendo el grado a las cuales los medios de diversas muestras diferenciaran de uno a y del medio de poblacin le dara un sentido de cmo est cercano su medio de muestra particular es probable estar al medio de poblacin. Afortunadamente, esta informacin est directamente disponible de una distribucin de muestra. La accin ms comn diferencian los medios de cunto muestra de uno a es la desviacin estndar de la distribucin de muestra del medio. Esta desviacin estndar se llama el error estndar del medio. Si todos los medios de muestra estuvieran muy cercanos al medio de poblacin, despus el error estndar del medio sera pequeo. Por una parte, si los medios de muestra variaran considerablemente, despus el error estndar del medio sea grande. Para ser especfico, asuma que su medio de muestra era 125 y usted estimaba que el error estndar del medio era 5 (usando un mtodo demostrado en una seccin posterior). Si usted tuviera un de distribucin normal, despus sera probable que su medio de muestra estuviera dentro de 10 unidades del medio de poblacin puesto que la mayor parte de un de distribucin normal est dentro de dos desviaciones estndar del medio. Tenga presente que todas las estadsticas tienen distribuciones de muestra, no apenas el medio. En secciones posteriores discutiremos la distribucin de muestra de la variacin, la distribucin de muestra de la diferencia entre los medios, y la distribucin de muestra de Pearson' correlacin de s, entre otros. Distribucin de muestra del medio Requisitos previos Introduccin a las distribuciones de muestra, ley I de la suma de la variacin Aprendizaje de objetivos Indique el medio y la variacin de la distribucin de muestra del medio Compute el error estndar del medio Indique el teorema de lmite

central La distribucin de muestra del medio fue definida en la seccin que introduca distribuciones de muestra. Esta seccin repasa algunas caractersticas importantes de la distribucin de muestra del medio que fueron introducidas en las demostraciones en este captulo. Medio El medio de la distribucin de muestra del medio es el medio de la poblacin de quien las cuentas fueron muestreadas. Por lo tanto, si una poblacin tiene un medio, el , despus la distribucin de muestra del medio es tambin . El M del smbolo se utiliza para referir al medio de la distribucin de muestra del medio. Por lo tanto, la frmula para el medio de la distribucin de muestra del medio se puede escribir como: M = Variacin La variacin de la distribucin de muestra del medio se computa como sigue:

el sombrero es, la variacin de la distribucin de muestra del medio es la variacin de poblacin dividida por la N, el tamao de muestra (el nmero de cuentas usadas para computar un medio). As, cuanto ms grande es el tamao de muestra, ms pequea es la variacin de la distribucin de muestra del medio. (opcional) esta expresin se puede derivar muy fcilmente de la ley de la suma de la variacin. Let' s comienza computando la variacin de la distribucin de muestra de la suma de tres nmeros muestreados de una poblacin con la variacin 2. La variacin de la suma sera 2 + 2 + 2. Para los nmeros de N, la variacin sera N2. Puesto que el medio es 1/N por la suma, la variacin de la distribucin de muestra del medio sera 1/N2 por la variacin de la suma, que iguala 2/N. El error estndar del medio es la desviacin estndar de la distribucin de muestra del medio. Es por lo tanto la raz cuadrada de la variacin de la distribucin de muestra del medio y puede ser escrito como:

El error estndar es representado por un porque es una desviacin estndar. El subndice (M) indica que el error estndar en la pregunta es el error estndar del medio. Teorema de lmite central El teorema de lmite central indica eso: Dado una poblacin con un malo finito y una variacin diferente a cero finita 2, la distribucin de muestra del medio se acerca a

de distribucin normal con un medio del y una variacin de 2/N como N, el tamao de muestra aumenta. Las expresiones para el medio y la variacin de la distribucin de muestra del medio no son nuevas o notables. Cul es notable es se sin importar la forma de la poblacin de padre, la distribucin de muestra de los acercamientos del medio un de distribucin normal pues N aumenta. Si usted ha utilizado el " Versin parcial de programa del teorema de lmite central, " usted ha visto por usted mismo ya esto. Como recordatorio, el cuadro 1 demuestra los resultados de la simulacin para N = 2 y N = 10. La poblacin de padre era una distribucin uniforme. Usted puede ver que la distribucin para N = 2 est lejos de un de distribucin normal. No obstante, demuestra que las cuentas son ms densas en el centro que en las colas. Para N = 10 la distribucin est absolutamente cerca de un de distribucin normal. Note que los medios de las dos distribuciones son iguales, pero que la extensin de la distribucin para N = 10 es ms pequea.

Figure 1. A simulation of a sampling distribution. The parent population is uniform. The blue line under "16" indicates that 16 is the mean. The red line extends from the mean plus and minus one standard deviation.

El cuadro 2 demuestra cmo la distribucin de muestra del medio aproxima de cerca un de distribucin normal incluso cuando la poblacin de padre es mismo no-normal. Si usted mira de cerca usted puede ver que las distribuciones de muestra tienen una posicin oblicua leve del positivo.

Cuanto ms grande es el tamao de muestra, ms cercana est la distribucin de muestra del medio estara a un de distribucin normal.
Figure 2. A simulation of a sampling distribution. The parent population is very non-normal.

La distribucin de muestra de la diferencia entre significa Requisitos previos Distribuciones de muestra, distribucin de muestra del medio, ley I de la suma de la variacin Aprendizaje de objetivos Indique que el medio y la variacin de la distribucin de muestra de la diferencia entre significa Compute el error estndar de la diferencia entre significa Compute la probabilidad de una diferencia entre los medios que estn sobre un valor especificado Los anlisis estadsticos son muy a menudo en cuestin con la diferencia entre los medios. Un ejemplo tpico es un experimento diseado para comparar el medio de un grupo de control con el medio de un grupo experimental. Las estadsticas deductivas usadas en el anlisis de este tipo de experimento dependen de la distribucin de muestra de la diferencia entre los medios. La distribucin de muestra de la diferencia entre los

medios se puede pensar en como la distribucin que resultara si repetimos los tres pasos siguientes una y otra vez: (1) muestrea las cuentas n1 de cuentas del n2 de la poblacin 1and de la poblacin 2, (2) clculo los medios de las dos muestras (M1 y M2), (3) clculo la diferencia entre los medios M1 - M2. La distribucin de las diferencias entre los medios es la distribucin de muestra de la diferencia entre los medios. Pues usted puede ser que espere, el medio de la distribucin de muestra del medio es:

:
La distribucin de muestra de la diferencia entre significa cul dice que el medio de la distribucin de diferencias entre los medios de muestra es igual a la diferencia entre los medios de poblacin. Por ejemplo, diga que la puntuacin del test mala de los olds de 12 aos en una poblacin es 34 y el medio de olds de diez aos es 25. Si las muestras numerosas fueran recogidas de cada categora de edad y de la diferencia mala computada cada vez, el medio de estas diferencias numerosas entre los medios de muestra sera 34 - 25 = 9. De la ley de la suma de la variacin, sabemos eso:

cul dice que la variacin de la distribucin de muestra de la diferencia entre los medios es igual a la variacin de la distribucin de muestra del medio para la poblacin 1 ms la variacin de la distribucin de muestra del medio para memoria de la poblacin 2. la frmula para la variacin de la distribucin de muestra del medio:

Puesto que tenemos dos poblaciones y dos tamaos de muestras, necesitamos distinguir entre las dos variaciones y tamaos de muestra. Hacemos esto usando los subndices 1 y 2. Usando esta convencin podemos escribir la frmula para la variacin de la distribucin de muestra de la diferencia entre los medios como:

Since the stand


el ince que el error estndar de una distribucin de muestra es la desviacin estndar de la distribucin de muestra, el error estndar de la diferencia entre los medios es:

Apenas para repasar la notacin, el smbolo a la izquierda contiene una sigma () que los medios que es una desviacin estndar. Los subndices M1 - M2 indique que es la desviacin estndar de la distribucin de muestra de M1 - M2. Ahora let' mirada de s en un uso de esta frmula. Asuma que hay dos especies de seres verdes en Marte. La altura mala de la especie 1 es 32 mientras que la altura mala de la especie 2 es 22. Las variaciones de las dos especies son 60 y 70 respectivamente y las alturas de ambas especies se distribuyen normalmente. Usted muestrea aleatoriamente a 10 miembros de los miembros de la especie 1 y 14 de las especies 2. Cul es la probabilidad que el medio de los 10 miembros de las especies 1 exceder el medio de los 14 miembros de las especies 2 por 5 o ms? Sin hacer ningunos clculos, usted sabe probablemente que la probabilidad es bastante alta puesto que la diferencia en medios de poblacin es 10. Pero cul es exactamente la probabilidad? Primero, deja para determinar la distribucin de muestra de la diferencia entre los medios. Usando las frmulas arriba, el medio es

The standard error is:

La distribucin de muestra se demuestra en el cuadro 1. Note que est distribuida normalmente con un medio de 10 y una desviacin estndar de 3.317. El rea sobre 5 es azul sombreado.
Figure 1. The sampling distribution of the difference between means.

El paso pasado es determinar el rea que es azul sombreado. Usando una tabla de Z o la calculadora normal, el rea se puede determinar para ser 0.934. As la probabilidad que el medio de la muestra de la especie 2 exceder el medio de la muestra de la especie 1 por 5 o ms. Como se muestra abajo, la frmula para el error estndar de la diferencia entre los medios es mucho ms simple si los tamaos de muestra y las variaciones de poblacin son iguales. Desde las variaciones y las muestras los tamaos son iguales, no hay necesidad de utilizar los subndices 1 y 2 para distinguir estos trminos.

Esta versin simplificada de la frmula se puede utilizar para el problema siguiente: La altura mala de los olds de 15 aos que los muchachos (en el cm) son 175 y la variacin es 64. Para las muchachas, el medio es 165 y la variacin es 64. Si muestrearan a ocho muchachos y a ocho muchachas, cul es la probabilidad que la altura mala de la muestra de muchachas sera ms alta que la altura mala de los muchachos? Es decir cul es la probabilidad que la altura mala de muchachas menos la altura mala de

muchachos es mayor de 0? Como antes, el problema se puede solucionar en trminos de distribucin de muestra de la diferencia entre los medios (muchachas - muchachos). El medio de la distribucin es 165 - 175 = -10. La desviacin estndar de la distribucin es:

Un grfico de la distribucin se demuestra en el cuadro 2. Est claro que es inverosmil que la altura mala para las muchachas sera ms alta que la altura mala para los muchachos puesto que en la poblacin los muchachos son absolutamente un pedacito ms alto. No obstante no es inconcebible que el girls' el medio poda ser ms alto que el boys' medio.

Figure 2. Sampling distribution of the difference between mean

heights.
Una diferencia entre los medios de 0 o un ms alto es una diferencia de 10/4 = 2.5 desviaciones estndar sobre el medio de -10. La probabilidad de una cuenta desviaciones 2.5 o ms estndar sobre el medio son 0.0062. Distribucin de muestra de Pearson' s r Requisitos previos Valores de la correlacin de Pearson, introduccin a las distribuciones de muestra Aprendizaje de objetivos Estado cmo la forma de la distribucin de muestra de r se desva de normalidad Transforme r a z' Compute el error estndar de z' Calcule la probabilidad de obtener un r sobre un valor especificado Asuma que la correlacin entre las cuentas cuantitativas y verbales del SAT en una poblacin dada es 0.60. Es decir = 0.60. Si muestrearan a 12 estudiantes aleatoriamente, la correlacin de la muestra, r, no sera exactamente igual a 0.60. Muestras naturalmente diversas de 12 estudiantes rendiran diversos valores del R. La distribucin de valores de r despus de las muestras repetidas de 12 estudiantes es la distribucin de muestra del R. La forma de la distribucin de muestra de r por el ejemplo antedicho se demuestra en el cuadro 1. Usted puede ver que la distribucin de muestra no es simtrica: Se sesga negativamente. La razn de la

posicin oblicua es que r no puede adquirir los valores mayores de 1.0 y por lo tanto la distribucin no pueden extender tan lejos en la direccin positiva como puede en la direccin negativa. Cuanto mayor es el valor del , pronunciada la posicin oblicua.

Figure 1. The sampling distribution of r for N = 12 and = 0.60.

El cuadro 2 demuestra la distribucin de muestra para el = 0.90. Esta distribucin tiene una cola positiva muy corta y una cola negativa larga.

Figure 2. The sampling distribution of r for N = 12 and = 0.90.

Refirindose de nuevo al ejemplo del SAT, suponga que usted quiso saber la probabilidad que en una muestra de 19 estudiantes, el valor de la muestra de r sera 0.75 o ms alta. Usted puede ser que piense que todo lo que usted necesitara saber para computar esta probabilidad es el error malo y

estndar de la distribucin de muestra del R. Sin embargo, puesto que la distribucin de muestra no es normal, usted sin embargo no podra solucionar el problema. Afortunadamente, el estadstico Fisher desarroll una manera de transformar r a una variable que se distribuye normalmente con un error estndar sabido. La variable se llama z' y la frmula para la transformacin se da abajo.

z' = 0.5 ln[(1+r)/(1-r)]


l detalla de la frmula no es importante aqu puesto que usted utilizar normalmente una tabla o la calculadora para hacer la transformacin. Cul es importante es esos z' se distribuye y tiene normalmente un error estndar de

donde est el nmero N de pares de cuentas. Let' vuelta de s a la cuestin de determinar la probabilidad de conseguir una correlacin de la muestra de 0.75 o arriba en una muestra de 12 de una poblacin con una correlacin de 0.60. El primer paso es convertir 0.60 y 0.75 a z' s. Los valores son 0.693 y 0.973 respectivamente. El error estndar de z' para N = 12 es 0.333. Por lo tanto la pregunta se reduce al siguiente: dado un de distribucin normal con un medio de 0.693 y una desviacin estndar de 0.333, cul es el la probabilidad de obtener un valor de 0.973 o ms alto? La respuesta se puede encontrar directamente del " del applet; Calcule el rea para un " dado de X; para ser 0.20. Alternativamente, usted podra utilizar la frmula: z = (X - )/ = (0.9730 - 0.693) /0.333 = 0.841 y utilice una tabla para encontrar que el rea sobre 0.841 es 0.20. Distribucin de muestra de p Requisitos previos Introduccin a las distribuciones de muestra, distribucin binomial, aproximacin normal al binomio Aprendizaje de objetivos Compute la desviacin mala y estndar de la distribucin de muestra de p Indique la relacin entre la distribucin de muestra de p y el de distribucin normal Asuma que en una carrera de la eleccin entre el candidato A y el candidato B, 0.60 de los votantes prefieren al candidato A. Si la muestra escogida al azar de 10 votantes fuera votada, es inverosmil que el 60% de ellos (6) preferiran exactamente al candidato A. por casualidad la proporcin en la muestra que prefiere al candidato que A podra fcilmente ser un poco ms baja de 0.60 o un poco ms altamente de 0.60. La distribucin de muestra de p es la distribucin que resultara si usted muestre en varias ocasiones 10 observaciones y determin la proporcin (p) que favoreci al candidato A. La distribucin de muestra de p

es un caso especial de la distribucin de muestra del medio. El cuadro 1 demuestra una muestra escogida al azar hipottica de 10 votantes. Dan los que prefieren al candidato A las cuentas de 1 y que prefieren al candidato B se dan cuentas de 0. Observe que siete de los votantes prefieren al candidato A as que sea la proporcin de la muestra (p)

p = 7/10 = 0.70 s you can see, p is the mean of the 10 preference scores.
Table 1. Sample of voters.

Voter 1 2 3 4 5 6 7 8 9 10

Preference 1 0 1 1 1 0 1 0 1 1

Distribucin de muestra de p Requisitos previos Introduccin a las distribuciones de muestra, distribucin binomial, aproximacin normal al binomio Aprendizaje de objetivos Compute la desviacin mala y estndar de la distribucin de muestra de p Indique la relacin entre la distribucin de muestra de p y el de distribucin normal Asuma que en una carrera de la eleccin entre el candidato A y el candidato B, 0.60 de los votantes prefieren al candidato A. Si la muestra escogida al azar de 10 votantes fuera votada, es inverosmil que el 60% de ellos (6) preferiran exactamente al candidato A. por casualidad la proporcin en la muestra que prefiere al candidato que A podra fcilmente ser un poco ms baja de 0.60 o un poco ms altamente de 0.60. La distribucin de muestra de p es la distribucin que resultara si usted muestre en varias ocasiones 10 observaciones y determin la proporcin (p) que favoreci al candidato A. La distribucin de muestra de p es un caso especial de la distribucin de muestra del medio. El cuadro 1 demuestra una muestra escogida al azar hipottica de 10 votantes. Dan los que prefieren al candidato A las cuentas de 1 y que prefieren al candidato B se dan cuentas de 0. Observe que siete de los votantes prefieren al candidato A as que sea la proporcin de la muestra (p)

= N

Dividiendo por N para ajustar para que haya el hecho de que la distribucin de muestra de p est ocupando de medios en vez de totales, encontramos que es el medio de la distribucin de muestra de p:

p =
La desviacin estndar de la distribucin binomial es:

Dividiendo por N porque p es un medio no un total, encontramos el error estndar de p:

Returning to the voter example, = 0.60 (Don't confuse = 0.60, the population proportion and p = 0.70, the sample proportion) and N = 10. Therefore, the mean of the sampling distribution of p is 0.60. The standard deviation is

La distribucin de muestra de p es una discreta algo que una distribucin continua. Por ejemplo, con una N de 10, es posible tener un p de 0.50 o un p de 0.60 pero no un p de 0.55. La distribucin de muestra de p se distribuye aproximadamente normalmente si N es bastante grande y el no est cerca a 0 o a 1. Una regla emprica es que la aproximacin es buena si el de N y N (1 - ) son ambo mayor de 10. La distribucin de muestra por el ejemplo del votante se demuestra en el cuadro 1. Observe que aunque N (1 - ) es solamente 4, la aproximacin es absolutamente buena.

Figure 1. The sampling distribution of p. Vertical bars are the probabilities; the smooth curve is the normal approximation.