TEOREMA CENTRAL

DEL LMITE
Teorema Central del Lmite
Sean X
i
(i = 1, 2,, n) variables aleatorias
independientes con la misma distribucin,
tales que, E(X
i
) = , V(X
i
) =
2
Definimos la variable aleatoria S como:


Si n , entonces, aproximadamente
S ~ N(n , n
2
)

=
=
n
i
i
X S
1
Ejemplo
El peso de ciertos motores tiene una media
de 30 kg y una desviacin estndar de 4 kg
Se extrae una muestra al azar de 100 de
estos motores
Encontrar aproximadamente la probabilidad
de que el peso total de los100 motores sea
de a lo ms 3060 kg
Asuma independencia entre los pesos de
los motores
Solucin
9332 , 0 ) 5 , 1 ( )
1600
3000 3060
( ) 3060 ( = u =

u = s S P
) 1600 , 3000 ( ~
1600 4 100 , 3000 30 100
. 4 . 30
) 100 ,..., 1
:
2 2
100
1
N S
X S
kg kg
i X
Sea
aprox
S S
i
i
i
= = = =
= =
= =
= =

=
o
o
motores 100 los de total peso
( motor simo - i del peso
Ejemplo
La longitud de ciertos cables tiene una
distribucin uniforme entre 3 y 5 metros.
Se extrae una muestra al azar de 50 de
estos cables.
Encontrar aproximadamente la
probabilidad de que la longitud total de los
50 cables sea de a lo ms 207 metros.
Asuma independencia entre las longitudes
de los cables

Solucin
3333 , 0
12
) 3 5 (
) (
4
2
5 3
) (
) 5 , 3 ( ~
2
2
=

= =
=
+
= =
=
=
i
i
i
i
X V
X E
U X
X
o

50) ..., 2, 1, (i
cable simo - i del metros, en longitud,
sigue solucin







La probabilidad de que la longitud total de los 50
cables sea de a lo ms 207 metros es 95,46%
) 665 , 16 ; 200 (
665 , 16 3333 , 0 50 , 200 4 50
2
50
1
N S
X S
S S
i
i
aprox
~
cables 50 de total longitud
= = = =
= =

=
o
9546 , 0 ) 71 , 1 ( )
665 , 16
200 207
( ) 207 ( = u =

u = s S P
Aproximacin de la binomial
por la normal
Sea X ~ B(n,p) ( = np,
2
= npq)


Si n , entonces, por el TCL:
X ~ N(np, npq)
En general, la aproximacin es buena si:
n30 np>5 y n(1-p)>5
ntes independie aleatorias variables
con
s X
n i p Bernoulli X X X
i
i
n
i
i

,..., 1 ) ( ~
1
= =

=
ESTADSTICA
INFERENCIAL
El muestreo
En muchos problemas, los datos de slo una parte de la
poblacin (muestra), pueden dar la informacin
necesaria para tomar una decisin o probar una
hiptesis referente a la poblacin o universo.
El objetivo del muestreo es seleccionar una muestra que
sea representativa de la poblacin. Para esto, se debe
determinar el mtodo adecuado de seleccin, el tamao
correcto de la muestra y la tcnica de estimacin que se
usar posteriormente.
Observaciones
La mayora de los mtodos estadsticos se basan en
la independencia y la representatividad del muestreo
aleatorio simple.
Los resultados que estudiaremos a continuacin
responden nicamente al muestreo aleatorio simple.
Si se usan otros mtodos de muestreo, los
resultados deben modificarse.
No existe inferencia estadstica fiable sin un diseo
aleatorizado. El muestreo aleatorio garantiza
estadsticamente la validez de los resultados.
(Basado en: La Estadstica en Cmic, L. Gonick y W. Smith)
Muestra aleatoria
Una muestra aleatoria de tamao n de la
poblacin descrita por la variable aleatoria
X, es un conjunto de n variables aleatorias:
X
1
, X
2
,, X
n
independientes y con la misma
distribucin que la variable aleatoria X.
Media y varianza de las v.a. de la
muestra aleatoria
Sea X es una variable aleatoria con:
E(X) = y V(X) =
2

Si X
1
, X
2
,, X
n
es una muestra aleatoria de
la poblacin definida por la variable
aleatoria X, entonces
E(X
i
) = , V(X
i
) =
2
(i = 1, 2,, n)
Estadstico y distribucin
muestral
Un estadstico es una funcin de las variables
de una muestra aleatoria
Un estadstico es una variable aleatoria
Una distribucin muestral es la distribucin de
probabilidades de un estadstico
Distribuciones muestrales
de algunos estadsticos
importantes
Distribucin de la media muestral
Distribucin de la proporcin muestral
Distribucin de la varianza muestral

Ejemplo
(Distribucin de la media muestral)
Por estudios anteriores se sabe que en un
banco, el saldo en las cuentas de sus
ahorristas tiene una media de 2500 soles y
una desviacin estndar de 400 soles.
Encontrar la probabilidad de que el saldo
medio en una muestra de 50 cuentas est
entre 2350 y 2650 soles.
Solucin:
X = saldo en soles en una cuenta
= 2500, = 400,
2
= 400
2

) , (
,
__
__
__ __
3200 2500 N ~ X
3200
50
400
2500
cuentas 50 de
muestra la en medio saldo
50
X
X
aprox
2
2
X X
50
1 i
i
= = o =
=

=




9920 , 0 ) 65 , 2 ( ) 65 , 2 (
)
3200
2500 2350
( )
3200
2500 2650
(
) 2650 2350 (
__
= u u =

u =
< < X P
La probabilidad de que el saldo medio en la muestra de
50 cuentas est entre S/.2350 y S/.2650 es
aproximadamente del 99,2%
Ejemplo
(Distribucin de la proporcin muestral)
En cierto banco se ha calculado que el
17% de los clientes que poseen fondos
mutuos son personas retiradas.
Se toma una muestra aleatoria de 500
clientes del banco que poseen fondos
mutuos.
Encontrar la probabilidad de que al
menos el 20% de los clientes de la
muestra sean personas retiradas.
Solucin:
P = Proporcin de personas retiradas en la
muestra de 500 clientes
p = 0,17
) 0002822 , 0 ; 17 , 0 (
0002822 , 0
500
83 , 0 17 , 0
, 17 , 0
500
__
2
__ __
N P
n
P P
~
=

= =
=
o
sigue solucin
0367 , 0 )
0002822 , 0
17 , 0 20 , 0
( ) 20 , 0 (
:
) 0002822 , 0 ; 17 , 0 ( ~
__
=

> = > Z P P P
calcular Debemos
N P
Hay una probabilidad aproximada de 0,0367 de
que en una muestra de 500 accionistas con fondos
mutuos encontremos al menos 20% de personas
retiradas.
ESTIMACIN DE
PARMETROS
Estimacin de parmetros
La poblacin se identifica con una v.a. X
No conocemos sus parmetros.
De la poblacin se obtiene una muestra
aleatoria.
A partir de la muestra, intentamos
estimar los parmetros.
Mtodos de estimacin
Estimacin puntual
Parmetro = Nmero
Estimacin por intervalos
Parmetro e[a, b] con un nivel de
confianza (1-o)*100%
Estimador puntual
Un estimador puntual es un estadstico que
se usa para estimar un parmetro.
Al ser un estadstico, es una variable
aleatoria.
A la desviacin estndar de un estimador
se le denomina error estndar del
estimador.

Estimacin puntual
Sean x
1
, x
2
,, x
n
los valores experimentales de
una muestra aleatoria X
1
, X
2
,, X
n
de la
poblacin definida por la v.a. X.
Si es un estimador puntual del
parmetro O, entonces
es una estimacin puntual del
parmetro O
) ,..., (

1 n
X X O
) ,..., (

1 n
x x u
Ejemplos de estimadores puntuales
. l poblaciona varianza la
de puntual estimador es muestral varianza La . 3
. l) poblaciona n (proporci
poblacin la en xito de ad probabilid la
de puntual estimador es muestral proporcin La . 2
. l poblaciona media la
de puntual estimador es muestral media La 1.
2
2
o

S
p
P
X
Sesgo de un estimador
Sea estimador puntual del parmetro u
El sesgo de es:


es un estimador insesgado de
parmetro u s y solo s

O

u O = O )

( )

( E sesgo
O

u = O = O )

( 0 )

( E sesgo
Ejemplos
X
es un estimador insesgado de

es un estimador insesgado de p

es un estimador insesgado de o
2

P
( ) = X E
( ) p P E =
2
S
2
2
1
2
)
1
) (
( ) ( o =

=

=
n
X X
E S E
n
i
i
Estimador ms eficiente
Dados dos estimadores insesgados de un
parmetro, es ms eficiente el que tiene
menor varianza

Ejemplo
Sea X
1
, X
2
,, X
n
una muestra aleatoria de
la variable aleatoria X, con E(X
i
) = ,
V(X
i
) =
2
(i = 1, 2,, n)
Sean




dos estimadores de

5

5
1
2

=
= O
i
i
X
10

10
1
1

=
= O
i
i
X




.

)

( )

(
5
)

(
10
)

(
.

)

( )

(
2 1
2 1
2
2
2
1
2 1
2 1
O O
O < O
= O = O
O O
= O = O
que eficiente ms es
V V
V y V
insesgados son y
E y E
o o

Estimacin por intervalos
de confianza
Intervalo de confianza
Sean x
1
, x
2
,, x
n
los valores observados de una
muestra aleatoria X
1
, X
2
,, X
n
de la variable aleatoria X
que depende del parmetro desconocido .
Sean A = H(X
1
,, X
n
) y B = G(X
1
,, X
n
) dos
estadsticos tales que P(A B)= 1-o.
Si a = H(x
1
,,x
n
) y b = G(x
1
,,x
n
), entonces
I() = [a , b] es la estimacin por intervalo de confianza
para al nivel de confianza de (1-o)*100%.
Interpretacin del nivel de confianza
Ejemplo: Nivel de confianza = 95%
Si se seleccionan repetidamente 1000 muestras
de tamao n, y calculamos la media de cada una de
ellas, podremos realizar 1000 estimaciones por
intervalo de confianza para la media poblacional .
Se espera o confa que aproximadamente 950 de
ellas contengan el parmetro y las restantes no lo
contengan.
Estimacin por intervalo para la media
a un nivel de confianza del 95%
Intervalos a
95% de
confianza
para ,
generados
con once
muestras
de tamao
n
Figura: http://www.fisicanet.com.ar/matematica/estadisticas/ap1/estadistica06.gif
Ejemplos de estimacin por
intervalos de confianza
Ejemplo
Para estimar el precio medio de las guas
tursticas para visitar el Cusco se elige una
muestra aleatoria formada por 34 guas y se
determina que la media muestral es de S/.34,90
Por estudios realizados anteriormente se sabe
que la desviacin estndar de los precios de
estas guas es de S/.4,50
Construya un intervalo de confianza para el
precio medio de las guas tursticas para visitar el
Cusco, al nivel del 95 %. Interprete
Solucin:
n
x
n
x
o

o
96 . 1 96 . 1 + s s
El intervalo de confianza al 95% est dado por:



Reemplazando los datos tenemos:





Se estima que el precio medio de las guas de turismo
para visitar el Cusco, est entre S/.33,39 y S/.36,41, con
una confianza del 95%
41 , 36 39 , 33
34
5 , 4
96 , 1 9 , 34
34
5 , 4
96 , 1 9 , 34
s s
+ s s

Ejemplo
Se desea estimar la longitud media de
ciertos cables. En una muestra de 100
cables se encuentra que la longitud tiene
una media de 80m y una desviacin
estndar de 15m.
Hallar un intervalo con una confianza del
95%, para la media de las longitudes de los
cables.
Solucin:




m. 82,94 y m 77,06 entre estar cables los de media
longitud la que estima se confianza de 95% un Con
metros) (en cables los de media longitud
] 94 , 2 80 [ ] 5 , 1 96 , 1 80 [ ) (
5 . 1
100
15

15 , 80 : 100
96 , 1
975 , 0
2
1 1 95 , 0 . .
__ __
975 , 0
= =
= = = ~
= = =
=
= = =
=

o o
o
o

I
n
s
s x n
z
C N
x
X X
x
Ejemplo
Los pesos, en kg, de 10 motores marca
ACME fueron: 42, 35, 28, 39, 47, 40, 31,
44, 37, 51.
Si la distribucin de los pesos es normal,
estimar con intervalos de confianza del
95% la media y la desviacin estndar de
los pesos de los motores marca ACME.
Solucin:



kg. 44,44 y 34,36 entre estar motores los de medio
peso el que estima se confianza de 95% un Con
: calculamos datos los De
kg.) (en motores los de medio peso
] 0379 , 5 4 , 39 [ ] 227 , 2 2622 , 2 4 , 39 [ ) (
227 , 2
10
04 , 7
2622 , 2
975 , 0
2
1 1 95 , 0 . .
. 04 , 7 4 , 39 : 10
) 9 , 975 . 0 (
= =
= =
=
= = =
= = =
=

o
o

I
n
s
t
C N
kg s kg x n
x
x
Solucin:



0228 , 19 7004 , 2
975 , 0
2
1 1 95 , 0 . .
. 04 , 7 10
) 9 , 975 . 0 (
2
) 9 , 025 . 0 (
2
= =
= = =
= =
=
_ _
o
o
o
C N
kg s n
x
: que tenamos datos los De
kg.) (en motores de pesos los de estndar desviacin
( )
( ) ( )
] 85 , 12 ; 84 , 4 [
7004 , 2
) 04 , 7 ( 9
,
0228 , 19
) 04 , 7 ( 9 1
,
1
2 2
2
1 ,
2
2
2
1 ,
2
1
2
=
(
(

=
(
(
(
(

=
n n
s n s n
I
o o
_ _
o
Ejemplo
En una muestra aleatoria de 100 clientes de
una empresa de telefona celular, se encontr
que 28 de ellos presentaron quejas por fallas
en el servicio durante el mes de abril.
Hallar un intervalo con una confianza del
90%, para la proporcin de clientes de esta
empresa que presentaron quejas por fallas en
el servicio, durante el mes de abril.
Solucin:
] 074 , 0 28 , 0 [ ] 045 , 0 645 , 1 28 , 0 [ ) (
045 , 0
100
) 72 , 0 )( 28 , 0 (

28 , 0
100
28
: 100
645 , 1 05 , 0
2
1 90 , 0 . .
__ __
05 , 0
= =
= = ~
= = =
= = = =
=
p I
p n
z C N
p
P P
o o
o
o
abril en servicio el en fallas por
quejas n presentaro que clientes de proporcin
El porcentaje de clientes que presentaron quejas por fallas en el
servicio, durante el mes de abril, se estima entre 20,6% y 35,4%
con una confianza del 90%
Intervalo de confianza
La forma general de una estimacin por intervalo
es: Estimacin puntual margen de error
El margen de error determina qu tan precisa es
la estimacin realizada, y este valor depende de
los siguientes factores:
Tamao de la muestra: n
Nivel de confianza: (1-o)
Variabilidad de la poblacin: o

Tamao de muestra para
estimar
Para tener una confianza de (1-o) de que
el margen de error o error de estimacin,
al estimar la media poblacional con la
media muestral, sea de a lo ms e
unidades:
__
2
1
__
1 ) | (|
X
z e
e X P
o
o
o
=
= s

Tamao de muestra para

estimar
Si la poblacin es infinita o el muestreo es
con reposicin, entonces:

2
2
1
2
1
__
|
|
|
.
|

\
|

=
= =

e
z
n
n
z e
n
X
o
o o
o
o
o
Tamao de muestra para
estimar
Si es desconocida, para encontrar el
tamao de muestra, se estima por s
x
.
Ejemplo
El peso de los motores marca TEC, es
una variable con una desviacin estndar
de 7,04 kg
Hallar el tamao de muestra para que con
una confianza del 99% el error de
estimacin, al estimar la media
poblacional por la media muestral, sea de
a lo ms 2 kg
X = peso (en kg) = 7,04 kg , e = 2 kg.






Basta tomar una muestra de 83 motores para que la
estimacin del peso medio, al 99% de confianza, tenga
un error mximo de 2 kg.


83 15 , 82
2
04 , 7 575 , 2
575 , 2
995 , 0
2
1 1 99 , 0 . .
2
995 , 0
= = |
.
|

\
|
=
=
= = =
n n
z
C N
o
o
Tamao de muestra para
estimar p
Para tener una confianza de (1-o) de que el
error de estimacin, al estimar la
proporcin poblacional por la proporcin
muestral, sea de a lo ms e*100% :
__
2
1
__
1 ) | (|
P
z e
e p P P
o
o
o
=
= s

Tamao de muestra para

estimar p
Si la poblacin es infinita o el muestreo es
con reposicin, entonces:

2
2
1
2
1
__
|
|
|
.
|

\
|
=
= =

e
pq z
n
n
pq
z e
n
pq
P
o
o
o
Tamao de muestra para
estimar p
Como p es desconocida (p es el
parmetro que se desea estimar), para
encontrar el tamao de muestra, p se
estima usando una estimacin previa
disponible o por 0,5.
Ejemplo
Se desea estimar la proporcin de clientes
de la empresa de telefona celular que
presentaron quejas por fallas en el servicio
durante el mes de abril.
Hallar el tamao de muestra para que con
una confianza del 95% el error de
estimacin, al estimar la proporcin
poblacional por la proporcin muestral, sea
de a lo ms 4%.

Solucin:


601 25 , 600
04 , 0
5 , 0 5 , 0 96 , 1
5 . 0 04 , 0
96 , 1 975 , 0
2
1 1 95 , 0 . .
2
975 , 0
= =
|
|
.
|

\
|

=
~ =
= = = =
n n
p e
z C N
o
o
Para cumplir los requerimientos, se debe tomar
una muestra de 601 clientes