NDICE

Introduccin3
Teora del muestreo.4
Muestreo al azar...4
Muestreo con y sin remplazamiento...5
Distribucin de Ji-cuadrada (X2)....5
Propiedades de Ji-cuadrada (X2)..6
Distribucin de T de Student......6
Distribucin de F de Fisher.7
Caractersticas de la distribucin F...8
Distribucin muestral de medias...9
Diferencias de medias.11
Error Estndar..12
Conclusin...14
Bibliografa.15

INTRODUCCIN
Una parte fundamental para realizar un estudio estadstico de cualquier tipo es
obtener unos resultados confiables y que puedan ser aplicables. Resulta casi imposible o
imprctico llevar a cabo algunos estudios sobre toda una poblacin, por lo que la solucin
es llevar a cabo el estudio basndose en un subconjunto de sta denominada muestra.
Sin embargo, para que los estudios tengan la validez y confiabilidad buscada es
necesario que tal subconjunto de datos, o muestra, posea algunas caractersticas
especficas que permitan, al final, generalizar los resultados hacia la poblacin en total.
Esas caractersticas tienen que ver principalmente con el tamao de la muestra y con la
manera de obtenerla.

TEORA DE MUESTRO.
La teora del muestreo es el estudio de las relaciones existente entre una poblacin
y muestras extradas de la misma. Tiene gran inters en muchos aspectos de la estadstica.
Por ejemplo permite estimar cantidades desconocidas de la poblacin (tales como la
media poblacional, la varianza, etc.), frecuentemente llamada parmetros poblacionales o
brevemente parmetros, a partir del conocimiento, de las correspondientes cantidades
muestrales (tales como la media muestral, la varianza, etc.), a, menudo llamadas
estadsticos muestrales o brevemente estadsticos.
La teora de muestreo es tambin til para determinar si la diferencias que se
puedan observar entre dos muestras son debidas a la aleatoriedad de las mismas o si por
el contrario son solamente significativas. Tales preguntas surgen por ejemplo, al ensayar
un nuevo suero para el tratamiento de una enfermedad, o al decir si un proceso de
produccin es mejor que otro. Estas decisiones envuelven a los llamados ensayos e
hiptesis de significacin, que son de gran importancia en la teora de la decisin.
En general, un estudio de inferencias, realizados sobre una poblacin mediante
muestras extradas de la misma, junto con las indicaciones de la exactitud de tales
inferencias aplicadas a la teora de la probabilidad, se le conoce como inferencia
estadstica.
Muestras al Azar Nmeros aleatorias.
Para que las conclusiones de la teora del muestreo e inferencia estadstica sean
validas, las muestras deben de elegirse de forma que sean representativas de la
poblacin. Un estudio sobre mtodos de muestreo y los problemas que tales mtodos
implican, se conoce como diseo de experimentos.
El proceso mediante el cual se extrae de una poblacin una muestra representativa
de la misma se conoce como muestro al azar, de acuerdo con ello cada miembro de la
poblacin tiene la posibilidad de ser incluido en la muestra. Una tcnica para obtener una
muestra al azar es asignar nmeros a cada miembro de la poblacin, escritos estos
nmeros en pequeos papeles, se introducen en una urna y despus se extraen los
nmeros de la urna, teniendo cuidado de mezclarlos bien antes de cada extraccin. Esto
puede ser sustituido por el empleo de una tabla de nmeros aleatorios, construida
especialmente para tales propsitos.
3

Muestreo con y sin remplazamiento.

Si se extrae un nmero de una urna, se puede volver o no el nmero a la urna
antes de una segunda extraccin. En el primer caso un mismo nmero puede salir varias
veces, mientras que en el segundo un nmero determinado puede salir solamente una
vez. En el muestro, en el que cada miembro de la poblacin puede elegirse mas de una
vez, se le llama muestro con remplazamiento mientras que si cada miembro no puede ser
elegido ms de una vez se tiene el muestreo sin remplazaminento.
Las poblaciones pueden ser finitas o infinitas. Si, por ejemplo, se extraen
sucesivamente 10 bolas sin remplazamiento de una urna que contiene 100 , se est
tomando muestras de una poblacin finita, mientras que si se lanza al aire una moneda 50
veces, anotndose el nmero de caras, se est muestreando en una poblacin infinita.
Una poblacin finita, en la que se realiza un muestro con remplazamiento, puede
tericamente se considerada como infinita, puesto que puede extraerse de cualquier
nmero de muestras, sin agotar la poblacin. En muchos casos prcticos, el muestreo de
una poblacin finita que es muy grande, puede considerarse como una poblacin infinita.
DISTRIBUCION JI-CUADRADA (X2)
En realidad la distribucin ji-cuadrada es la distribucin muestral de s2. O sea que si
se extraen todas las muestras posibles de una poblacin normal y a cada muestra se le
calcula su varianza, se obtendr la distribucin muestral de varianzas.
Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer
el estadstico X2. Si se elige una muestra de tamao n de una poblacin normal con

varianza
, el estadstico:
Tiene una distribucin muestral que es una
distribucin ji-cuadrada con gl=n-1 grados de libertad y se denota X2 (X es la minscula de
la letra griega ji). El estadstico ji-cuadrada esta dado por:

Donde n es

el tamao de la muestra, s2 la varianza muestral y

la varianza de la poblacin de
dondese extrajo la muestra. El estadstico ji-cuadrada tambin se puede dar con la

siguiente expresin:
4

Propiedades de las distribuciones ji-cuadrada

1. Los valores de X2 son mayores o iguales que 0.
2. La forma de una distribucin X2 depende del gl=n-1. En consecuencia, hay un
nmero infinito de distribuciones X2.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que se extienden a
la derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X2 es n-1 y la varianza es 2(n-1).
El valor modal de una distribucin X2 se da en el valor (n-3).
DISTRIBUCION DE T DE STUDENT.
En probabilidad y estadstica, la distribucin-t o distribucin t de Student es una
distribucin de probabilidad que surge del problema de estimar la media de una poblacin
normalmente distribuida cuando el tamao de la muestra es pequeo. sta es la base del
popular test de la t de Student para la determinacin de las diferencias entre dos medias
muestrales y para la construccin del intervalo de confianza para la diferencia entre las
medias de dos poblaciones.
La distribucin t surge, en la mayora de los estudios estadsticos prcticos, cuando
la desviacin tpica de una poblacin se desconoce y debe ser estimada a partir de los
datos de una muestra.
Aparicin y especificaciones de la distribucin t de Student
Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas
normalmente, con media y varianza 2.
Sea
y

la

media

muestral

la varianza muestral. Entonces, est demostrado que

tiende a la distribucin normal de media 0 y varianza 1 cuando n tiende a

infinito.
5

Gosset estudi una expresin relacionada,

siguiente funcin de densidad:

y mostr que T tiene la

Con igual a n 1.
La distribucin de T se llama ahora la distribucin-t.
El parmetro se llama convencionalmente el nmero de grados de libertad. La
distribucin depende de , pero no de o ; la independencia de y es lo que hace a la
distribucin t tan importante en la teora y en la prctica. es la funcin gamma.
Grados De Libertad (gl): Nmero de observaciones que se utilizaron para calcular la
desviacin estndar muestral menos 1, es decir (n-1).
Intervalos de confianza derivados de la distribucin t de Student
El procedimiento para el clculo del intervalo de confianza basado en la t de
Student consiste en estimar la desviacin tpica de los datos S y calcular el error estndar
de la media= S/(raz cuadrada de n), siendo entonces el intervalo de confianza para la
media = x media +- t (alfa/2) multiplicado por (S/(raz cuadradada de n)). fuente:
www.seh-lelha.org/stat1.htm
Es este resultado el que se utiliza en el test de Student: puesto que la diferencia de
las medias de muestras de dos distribuciones normales se distribuye tambin
normalmente, la distribucin t puede usarse para examinar si esa diferencia puede
razonablemente suponerse igual a cero.
DISTRIBUCION F DE FISHER
Recibi este nombre en honor a Sir Ronald Fisher, uno de los fundadores de la
estadstica moderna. Esta distribucin de probabilidad se usa como estadstica prueba en
varias situaciones. Se emplea para probar si dos muestras provienen de poblaciones que
poseen varianzas iguales. Esta prueba es til para determinar si una poblacin normal
tiene una mayor variacin que la otra y tambin se aplica cuando se trata de comparar
6

simultneamente varias medias poblacionales. La comparacin simultnea de varias

medias poblacionales se conoce como anlisis de varianza (ANOVA). En ambas
situaciones, las poblaciones deben ser normales y los datos tener al menos la escala de
intervalos.
Caractersticas de la distribucin F
1. Existe una "familia" de distribuciones F. Un miembro especfico de la familia se
determina por dos parmetros: los grados de libertad en el numerador y en el
denominador. Existe una distribucin F para la combinacin de 29 grados de libertad
en el numerador y 28 grados en el denominador. Existe otra distribucin F para 19
grados en el numerador y 6 en el denominador.
2. La distribucin F es una distribucin continua.
3. F no puede ser negativa
4. La distribucin F tiene un sesgo positivo
5. A medida que aumentan los valores, la curva se aproxima al eje x, pero nunca lo toca

La distribucin F est relacionada con el cociente de varianzas

S12
S 22 . En donde

S y S2 son las varianzas mustrales tienen una distribucin 2 con grados de libertad
(n - 1).
2
1

Entonces podemos decir que:

como

S 2 (n 1)

S12 (n 1)

12

(n 1)
S 22 (n 1)

22

(n 1)

S12

12
S 22
2
= 2

DISTRIBUCION MUESTRAL DE MEDIAS

Si se extrae una muestra al azar de tamao n, de una poblacin infinita con media
y una varianza s2, entonces las observaciones de la muestra son variables aleatorias
independientes e idnticamente distribuidas. La media de la muestra, calculada como
1
x ( x1 x2 xn )
n
Que es una combinacin lineal de variables aleatorias dividida por una constante,
que Tambin es una variable aleatoria normal, y el valor esperado y la varianza de la
distribucin por muestreo de x puede derivarse sencillamente. Primero, observamos que
1

E ( x ) E ( x1 x2 xn )
n

1
E ( x1 ) E ( x2 ) E ( xn )
= n

1
(n )
= n

Es decir, esperanza de la media de la muestra es la media de la poblacin.

Luego, puesto que se considera que las observaciones de la muestra son variables
aleatorias independientes, la propiedad de aditividad se verifica para la varianza. Es decir,
2
la varianza de la suma es la suma de las varianzas. Adems, puesto que V ( xi )
tenemos

V (x ) V (

1
n

x )
i

1
V ( x1 ) V ( x2 ) V ( xn )
2
= n
8

1
( n 2 )
2
n
=

2
= n
En esta derivacin hemos empleado el teorema de que la varianza de una constante
multiplicado por una variable es igual al cuadrado de la constante multiplicado por la
varianza de la variable.
El error estndar de la media, mide la variabilidad entre medias mustrales.

x V (x )

lo que revela que x es menor que . Adems, indica que cuando

n , x 0 . As, cuanto mayor es la muestra, tanto menor es la fluctuacin entre

medias mustrales extradas de la misma poblacin.
Si se toman muestras de una poblacin finita, sin reposicin, como en los casos
anteriores, debe de introducirse un factor de correccin para poblacin finita para
calcular el error estndar de la media. A saber:

N n
N 1

Cuando la poblacin progenitora es normal, la distribucin de x por muestreo es

tambin normal, por pequea que sea la muestra. Qu ocurre cuando no puede
especificarse la distribucin de probabilidad de la poblacin a partir de la cual se obtiene
la muestra? Para obtener una idea con respecto a la distribucin de muestreo de X
cuando el modelo de probabilidad de la poblacin de inters no se especifica.
Por lo tanto podemos decir que la x

De esta manera la ecuacin para la transformacin de cualquier media muestral en

una variable normal estndar ser:

Propiedades de la Media aritmtica

Entre varias propiedades matemticas importantes de la media aritmtica para una
distribucin normal estn:
Insesgamiento
Implica el hecho de que el promedio de todas las medias muestrales posibles (de un
tamao de muestra dado n) ser igual a la media de poblacin x .
Eficiente
Se refiere a la precisin de la muestra de estadstica como un estimador del
parmetro de poblacin.
Para distribuciones como la normal, la media aritmtica se considera ms estable
de muestra a muestra que otras mediciones de tendencia central. Para una muestra de
tamao n, la media de muestra se acercar ms, en promedio, a la media de poblacin
que cualquier otro estimador.
Consistencia
Se refiere al efecto del tamao de muestra sobre la utilidad de un estimador. Al
incrementarse el tamao de muestra, la variacin de la media de muestra de la media de
poblacin se hace ms pequea, de manera que la media aritmtica de muestra se vuelve
una mejor estimacin de la media de poblacin.
DIFERENCIA DE MEDIAS POBLACIONALES
En ocasiones interesa definir un intervalo de valores tal que permita establecer cuales
son los valores mnimo y mximo aceptables para la diferencia entre las medias de dos
poblaciones. Pueden darse dos situaciones segn las muestras sean o no independientes;
siendo en ambos casos condicin necesaria que las poblaciones de origen sean normales o
aproximadamente normales:
10

MUESTRAS INDEPENDIENTES

Si puede suponerse que las varianzas de ambas poblaciones son iguales, el intervalo de
confianza para la diferencia de medias poblacionales est centrado en la diferencia de las
medias muestrales, siendo sus lmites superior e inferior:
t /2 es el valor crtico correspondiente al grado de
confianza 1- de la distribucin t de Student con n1+ n2-2 grados de libertad y
es una estimacin de la desviacin tpica comn a ambas
poblaciones obtenida a partir de las varianzas de las dos muestras. En la prctica si n1 y n2
son moderadamente grandes, el valor crtico t /2 se aproxima, como ya se ha visto
anteriormente, a los valores de la distribucin normal.
Si las varianzas poblacionales no pueden suponerse iguales los lmites del intervalo
de confianza son:

El valor crtico t /2 corresponde a una distribucin t cuyos grados de libertad se

calculan en base a ambos tamaos muestrales y a las desviaciones tpicas de cada grupo
segn la correccin propuesta por Dixon y Massey:

ERROR ESTNDAR
Es el grado de dispersin de las estimaciones puntuales obtenidas en muestras de
un tamao determinado.
A la desviacin estndar de una distribucin muestral se le conoce como error
estndar del estadstico.
11

La diferencia entre la desviacin estndar y el error estndar es que la desviacin

estndar trabaja con datos originales y el error estndar con datos obtenidos de la
distribucin muestral.
As se tienen, un error estndar de la media o desviacin estndar de la
distribucin de medias o se tendr tambin un error estndar de la proporcin o
desviacin estndar de la distribucin muestral de proporciones.

12

CONCLUSIN
En las actividades de investigacin cientfica y tecnolgica es muy til el empleo de
muestras. El anlisis de una muestra permite inferir conclusiones susceptibles de
generalizacin a la poblacin de estudio con cierto grado de certeza.
Al desarrollar un proyecto de investigacin el total de observaciones en las cuales
se esta interesado, sea su nmero finito o infinito, constituye lo que se llama una
poblacin. La muestra es una pequea parte de la poblacin estudiada. La muestra debe
caracterizarse por ser representativa de la poblacin.
Una muestra es representativa cuando reproduce las distribuciones y los valores
de las diferentes caractersticas de la poblacin, con mrgenes de error calculables.
Los anteriores conceptos reflejan que al analizar una muestra se est aplicando la
inferencia estadstica con el propsito de conocer clases numerosas de objetos, personas
o eventos a partir de otras relativamente pequeas, compuestas por los mismos
elementos. En trminos generales la informacin que arroja el anlisis de una muestra es
ms exacta incluso que la que pudiera arrojar el estudio de la poblacin completa.

13

BIBLIOGRAFIA
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_t_de_Student
www.itescam.edu.mx/principal/sylabus/fpdb/recursos
html.rincondelvago.com/teoria-del-muestreo.html
http://www.itchihuahuaii.edu.mx/academico/CB/MEG/documentos/1.9.htm
http://www.itchihuahuaii.edu.mx/academico/CB/MEG/documentos/1.6.htm
http://www.estadisticafacil.com/estadistica:error_estandar

14