Los mtodos paramtricos suponen que los datos provienen de una distribucin
que puede caracterizarse por un pequeo nmero de parmetros que se estiman
a partir de los datos. Para ello suponen que la forma de la distribucin es conocida
(Normal, Poisson, etc.) y, deducen procedimientos ptimos para estimar sus
parmetros
2
siempre la determinante. En muestras pequeas, pueden conducir a resultados
distintos.
2. POBLACIN Y MUESTRA.
P X f(x,
)
3
Tambin cabe definir una muestra como la observacin de n elementos de una
poblacin, o como el resultado de repetir n veces un experimento aleatorio.
Suponga que en el curso hay 70% de damas y 30% de varones. Para que una
muestra sea exactamente representativa debe contener damas y varones en la
misma proporcin que en la poblacin. En la mayora de los casos esto no ocurre,
apartndose el resultado muestral de la situacin ideal deseada (por ejemplo la
muestra obtenida puede estar constituida por 64% de damas y 36% de varones),
atribuyndose las desviaciones al proceso de seleccin de la muestra,
desviaciones que no invalidan los resultados del proceso inferencial siempre que
las diferencias no sean sistemticas y tengan orgenes debido al azar.
3. TIPOS DE MUESTRAS
4
El procedimiento probabilstico permite, como estudiaremos en unidades
venideras, conocer, en trminos probabilsticos, el error que se comete al utilizar la
muestra como relejo de la poblacin.
con reemplazo
muestreo probabilstico
sin reemplazo
El muestreo se realiza con reemplazo cuando una vez extrado un elemento, y
hechas sobre l las observaciones debidas, se devuelve a la poblacin, luego esta
no es modificada en su composicin y el elemento puede ser extrado
nuevamente. La probabilidad de seleccin cada elemento es la misma para todos
ellos.
En todo el estudio que realizaremos en este curso las muestras sern aleatorias
con reemplazo, denominndolas muestras aleatorias simples (m.a.s.).
Ejemplo.
Se tienen 100 fichas, de las cuales 20 estn numeradas con el 1, 30 con el 2 y 50
con el 3. Se seleccionan muestras aleatorias simples de tamao 2. El espacio de
muestras , es:
5
1 2 3
La muestra (1,3), por ejemplo, est formada por la ficha con el nmero 1 y otra con
el 3.
Las probabilidades que tienen para ser seleccionadas estas muestras son:
1 2 3
6
Ejemplo.
Del ejemplo anterior se seleccionan dos fichas sin reemplazo. Las probabilidades
de seleccin de cada una de las muestras es:
20 50 30 50 50 49
3 100 99 100 99 100 99
20 30 30 29 50 30
2
100 99 100 99 100 99
20 19 30 20 50 20
1
100 99 100 99 100 99
1 2 3
O equivalentemente
1 2 3
Se aprecia, con claridad, que los valores de las probabilidades para cada clase de
muestreo difieren de un tipo de muestra a otro.
f (x 1, x 2, ....., x n ) = f (x 1) f (x 2) .. f (x n) =
i 1
f (xi )
7
Cada observacin est actuando como una variable aleatoria independiente que
sigue la distribucin poblacional.
Ejemplo.
Se selecciona una muestra aleatoria de tamao n de una poblacin de Poisson,
determine la funcin de probabilidad conjunta de la muestra aleatoria
Solucin.
e x
La funcin de cuanta de la poblacin de Poisson es f ( x ) cuando
x!
x = 1, 2, 3. ...........
Considerando que:
f ( x 1 , x 2 , ..... , x n ) = f ( x 1 ) f ( x 2 ) ........f ( x n )
e
x x x
e 1 2
e n
................
x1 ! x 2! x n!
xi
e n i 1
x !
i 1
i
Definicin.
Si X 1 , X 2 , X 3 , ......, X n son variables aleatorias independientes cada una de ellas
con la misma funcin de probabilidad f( x, ), entonces se dice que estas variables
aleatorias independientes constituyen una muestra aleatoria de tamao n de la
poblacin cuya funcin de probabilidad es f( x , ).
4. ESTADISTICAS.
Definicin.
8
Una estadstica T es una funcin de la muestra aleatoria X ( n ) observada, que
no contiene algn parmetro poblacional.
Ejemplo.
Si X ( n ) es una muestra aleatoria seleccionada de una poblacin cuya funcin
de probabilidad es f ( x , ), entonces:
i) son estadsticas:
n
a)
X
i 1
i
X
n
b)
1
2
min X 1 , X 2 ,... , X n max X 1 , X 2 ,....., X n
c) X 1 log X 24
b) max X 1 , X 2 ,...., X n
4
3
Definicin.
Sea X ( n ) muestra aleatoria de una poblacin cuya funcin de probabilidad es
f ( x , ). Entonces, se define:
X
i 1
i
X
n
X
n
2
i X
S (x) =
2
i 1
9
Observacin.
i) En general se denota una estadstica por: T u X (n)
ii) Dado que las estadsticas son funciones de una muestra aleatoria, a su
vez son variables aleatorias. Luego es posible, en algunos casos,
encontrar las distribuciones de las estadsticas.
iii) Un valor especfico de una estadstica t u x ( n ) puede
determinarse cuando se conoce la realizacin x ( n ) de X ( n ) .
iv) Si se usa una estadstica T para estimar al parmetro , entonces T
recibe el nombre de estimador de , y el valor especfico t de T se
llama estimacin de .
v) Una estadstica es sustancialmente diferente a un parmetro, este es
una constante y una estadstica es una variable aleatoria.
n
i) E X i n
i 1
n
ii ) Var X i n 2
i1
Demostracin :
X i E X i n
n n n
i) E
i1 i 1 i1
n
Var X i Var X i ; las variables aleatorias son independie ntes
n
ii)
i 1 i1
n
2 n2
i 1
X i
N n ,n 2
i1
10
Teorema. Se selecciona una muestra aleatoria de una poblacin que tiene a y 2
por media y varianza poblacional respectivamente. Si X es la media aritmtica
muestral, entonces:
E x y Var x
2
n
Demostracin.
n
n
Xi Xi
1 E
n
E x E i 1
n
i 1
n n
Xi
i 1
1
n
n
n
Xi
n
1
Var x Var
i 1
2
Var
Xi
n n i 1
1
2
n 2
n n
X X X
Z n
2 N ( 0 , 1 ) si n
n n
Observacin.
i) El teorema central del lmite se usa cuando n 30, sin importar la
distribucin de la poblacin.
11
ii) Si n < 30, la distribucin de la media aritmtica muestral sigue una
distribucin normal, si se sabe que la distribucin poblacional es normal.
Ejemplo.
Dada la poblacin uniforme discreta, cuya funcin de cuanta es:
1
si X 0, 1, 2, 3, 4
f ( x) 5
0 T .O. P.
Encuentre la probabilidad de que una muestra aleatoria de tamao 36, la madia
muestral sea mayor que 1.4 pero menor que 1.8.
Solucin.
La media y varianza poblacional son:
1 1 1 1 1 10
0
1 2 3 4 2
5 5 5 5 5 5
1 1 1 1 1
2 (0 2)2 (1 2 ) 2 (2 2)2 (3 2)2 ( 4 2) 2
5 5 5 5 5
4 1 1 4 10
0 2
5 5 5 5 5
X 2 X 2
Z 36 6 N(0;1)
2 2
1.4
P 1.4 X 1.8
P
2
2
6 Z
1.8 2
2
6
P ( 2.55 Z 0.85 ) ( 0.85 ) ( 2.55 )
0.1977 0.0054 0.1923
E X1 X2 E X1 E
X2 1 2
y por varianza
12
Var X1 X2 Var X1
Var X2
12
n1
2
2
n2
Z
X1 X2 1 2
12 2 N(0,1)
2
n1 n2
si n 1 y n 2
Observacin.
i) La aproximacin normal es muy buena si n 1 y n 2 son mayores o iguales
a 30
ii) Si ambas poblaciones son normales, entonces x 1 x 2 sigue una
distribucin normal sin importar los valores que tengan n 1 y n 2 .
Ejemplo.
Se selecciona una muestra aleatoria de tamao 25 de una poblacin normal que
tiene 1 = 80 y 1 = 5. De una segunda poblacin normal, independiente de la
primera, con 2 = 75 y 2 = 3, se selecciona una nuestra aleatoria de tamao 36.
Calcule la probabilidad de que x 1 exceda a x 2 por a lo ms 6.5.
Solucin
Poblacin 1 : N ( 80, 25 )
Poblacin 2 : N ( 75, 9 )
x1 x 2 : x 1 excede a x 2
25 9 5
( x1 x2) N ( 80 75 , ) N ( 5, )
25 36 4
Z
x1 x 2 5
5 N ( 0 , 1)
4
13
P x 1 x 2 6 .5 P Z
6 . 5 5 P ( Z 1,34 ) 0,9099
5
4
( n 1) S 2
6. DISTRIBUCIN MUESTRAL DE
2
Algunos recuerdos.
Si X (n), entonces E ( X ) = n , 2 ( X ) = 2 n y
2
n
M( t ) ( 1 2 t ) 2
X
Si X N ( , 2 ) y Z N ( 0 , 1 ) , entonces
2
X
Z2
2(1)
X
n
2
i X
i 1
S2
n 1
X
n
2
( n 1) S 2 i X
i 1
Consideremos:
X X
2
X X
n n n
2 2
i i X X i X
i 1 i 1 i 1
X X
n n n
2 Xi X
2 2
i X X
i1 i1 i1
14
X X
n n
2 2
i X 2 X i X n X
i1 i1
X
n
2 2
i X 2 X 0 n X
i1
X
n
2 2
i X n X
i1
X X
n n
2 2
X
i1
i
i1
i
n X 2
2 2 2
2 2
n
Xi ( n 1) S 2 X
i 1
2
n
Xi
Como la poblacin es normal, entonces X i N ( , 2 ) N(0,1)
2 2
X
n
Xi
i
2
(1 )
i 1
2
(n )
2 X
X N , n N (0 , 1)
n
2
X
(1 )
2
n
En resumen,
2 2
n
Xi ( n 1) S 2 X
2
n
i 1
2 (n ) 2 (n - 1) 2 (1 )
15
( n 1) S 2
Algunos alcances de la distribucin de
2
( n 1) S 2
E n 1
2
n 1
E( S 2 ) n 1
2
n 1 2
E ( S2 ) 2
n 1
La varianza es:
( n 1) S 2
Var 2 ( n 1)
2
(n 1 ) 2
4
Var ( S 2 ) 2 ( n 1)
2 (n 1 ) 24
Var ( S 2 ) 4
( n 1) 2 n 1
7. EJERCICIOS.
i)
i 1
Xi ii ) X 1 X 2 X 2 iii ) X 1 X 2
X I
iv) X i con i = 1, 2 , 3 ,, n v) con i 1, 2, ..., n
n
2 1 2 4
vi) Xi X vii ) X1 X 22 X3
i 1 3 5 7
16
2. Para una cierta prueba se sabe que el nmero promedio de aciertos es de
1000 con un desviacin estndar de 125. De las personas que rinden la
prueba en un momento determinado, se selecciona una muestra aleatoria
de tamao 100, calcule la probabilidad de que la media aritmtica muestral
sea:
a. mayor que 1020
b. mayor que 985 y menor que 1025
17
i) sea a lo menos 204 mililitros
ii) est comprendida entre 198 y 210 mililitros
P X1 X 2 k 0.99
13. A una hora determinada sea W el nmero de pasajeros que llegan a una
estacin en un vagn del metro. Se cuenta el nmero Y de pasajeros que
salen, el nmero X de pasajeros que entran. El metro se va con R
personas en el vagn. Las variables X, Y y W son variables aleatorias
18
independientes y siguen, respectivamente, las siguientes distribuciones
normales:
X N (40 ; 81) Y N (30 ; 144) W N (100 ; 400)
i) Determine la distribucin de R
ii) Calcule la probabilidad de que el vagn salga de una estacin con ms
de 140 personas.
iii) Encuentre r0 tal que P ( R < r0 ) = 0,95
19