UNIVERSIDAD RICARDO PALMA

FACULTAD DE INGENIERA
ESCUELA PROFESIONAL DE INGENIERA CIVIL

Profesor:
Alumno:
Curso:
Monografia:

Fecha:

Alicia Chiok
Peralta Damiano Dante Y
Estadstica y Probabilidades
Distribucion Muestreal de Medias

22/10/2014

Lima- Surco 22 de octubre

del 2014

Introduccion
El estudio de determinadas caractersticas de una poblacin
se efecta a travs de diversas muestras que pueden
extraerse de ella.
El muestreo puede hacerse con o sin reposicin (con o sin
reemplazo, tambin aparece en la literatura), y la poblacin
de partida puede ser infinita o finita. Una poblacin finita en la
que se efecta muestreo con reposicin puede considerarse
infinita tericamente. Tambin, a efectos prcticos, una
poblacin muy grande puede considerarse como infinita. En
todo nuestro estudio vamos a limitarnos a una poblacin de
partida infinita o a muestreo con reposicin.
Consideremos todas las posibles muestras de tamao n en
una poblacin. Para cada muestra podemos calcular un
estadstico (media, desviacin tpica, proporcin,.) que variar
de una a otra. Debemos aclarar que un "estadstico" es
cualquier combinacin lineal de los datos mustrales. As
obtenemos una distribucin del estadstico que se llama
distribucin muestra.
Las dos medidas fundamentales de esta distribucin son la
media y la desviacin tpica (estndar), tambin denominada
error estndar.
Hay que hacer notar que si el tamao de la muestra es lo
suficientemente grande las distribuciones mustrales son
(aproximadamente) normales (para fines prcticos) y en esto
se basarn todos los resultados que alcancemos.

1. DISTRIBUCIN MUESTRAL DE MEDIAS

Cada muestra de tamao n que podemos extraer de una
poblacin proporciona una media. Si consideramos cada una
de estas medias como valores de una variable aleatoria
podemos estudiar su distribucin que llamaremos distribucin
muestra de medias.
Si tenemos una poblacin normal N (m, s) y extraemos de ella
muestras de tamao n, la distribucin muestra de medias
sigue tambin una distribucin normal
Si la poblacin no sigue una distribucin normal pero n>30,
aplicando el llamado Teorema central del lmite la distribucin
muestra de medias se aproxima tambin a la normal anterior
Si tenemos una muestra aleatoria de una poblacin N(m,s ),
se sabe (Teorema del lmite central) que la fdp de la media
muestral es tambin normal con media m y varianza s 2/n. Esto
es exacto para poblaciones normales y aproximado (buena
aproximacin con n>30) para poblaciones cualesquiera. Es
decir
es el error tpico, o error estndar de la media.
Cmo usamos esto en nuestro problema de estimacin?
1 problema: No hay tablas para cualquier normal, slo para la
normal m=0 y s=1 (la llamada z); pero haciendo la
transformacin (llamada tipificacin)

una normal de media m y desviacin s se transforma en una

z.

Llamando za al valor de
una variable normal
tipificada que deja a su
derecha un rea bajo la
curva de a, es decir, que
la probabilidad que la
variable sea mayor que
ese valor es a (estos son
los valores que ofrece la
tabla de la normal)
podremos construir
intervalos de la forma

para los que la

probabilidad es 1 - a.

Teniendo en cuenta la simetra de la normal y manipulando

algebracamente
que tambin se puede escribir

o, haciendo nfasis en que

media,

es el error estndar de la

Recurdese que la probabilidad de que m est en este

intervalo es 1 - a. A un intervalo de este tipo se le denomina
intervalo de confianza con un nivel de confianza del 100(1 - a)
%, o nivel de significacin de 100a%. El nivel de confianza
habitual es el 95%, en cuyo caso a=0,05 y za /2=1,96. Al valor

se le denomina estimacin puntual y se dice que es un

estimador de m.
Ejemplo: Si de una poblacin normal con varianza 4 se extrae
una muestra aleatoria de tamao 20 en la que se calcula
se puede decir que m tiene una probabilidad de 0,95 de
estar comprendida en el intervalo
que sera el intervalo de confianza al 95% para m
En general esto es poco til, en los casos en que no se conoce
m tampoco suele conocerse s2; en el caso ms realista de s2
desconocida los intervalos de confianza se construyen con la t
de Student (otra fdp continua para la que hay tablas) en lugar
de la z.

o, haciendo nfasis en que

de la media,

es el error estndar estimado

Este manera de construir los intervalos de confianza slo es

vlido si la variable es normal. Cuando n es grande (>30) se
puede sustituir t por z sin mucho error.
Ejercicio
1) Un bilogo desea hacer una estimacin, con un
intervalo de confianza del 95% de la cantidad promedio
de agua que consume una especie animal
encondiciones experimentales. De igual manera, el
investigador logra determinar que la poblacin de
valores de consumo diario de agua est distribuido
normalmente. Adems, una muestra aleatoria de
36animales arroja una media de 16,5 gramos con una
desviacin estndar de 2 gramos.
=0.05
n=36
=2

Z2=1.96
x=16.5
x- Z2.n<<x+ Z2.n = 16.5- 1.96.236<<16.5+
1.96.236=
=16.5-0.6533<<16.5+ 0.6533= 15.8467<<17.1533
Con un grado de confianza del 95%, la cantidad promedio de
agua que consume una especie animal en condiciones
experimentales, se encuentra entre15.8467 y 17.1533.
2) Resuelve nuevamente el ejercicio anterior, pero
utilizando un grado de confianza del 90%. Compare los
resultados encontrados en ambos ejercicios.
=0.10
n=36
=2Z2=1.64
x=16.5
x- Z2.n<<x+ Z2.n = 16.5- 1.64.236<<16.5+ 1.64.236
=16.5- 0.5466<<16.5+ 0.5466 = 15.9534<<17.0466
Con una confianza del 90%, la cantidad promediode agua que
consume una especie animal en condiciones experimentales,
se encuentra entre 15.9534 y 17.0466.