UNSAAC

INGENIERIAQUIMICA
ESTADISTJCATNDUSTRIAL

Teorema de Límite Central

EDGAR ALVAREZ ARAGON

8/08/2018 EDGAR ALVAREZ ARAGON 1
INGENIERIA QUIMICA
 Teorema del límite central

Si se seleccionan muestras aleatorias de n observaciones de una población con media

y desviación estándar , entonces, cuando n es grande, la distribución
muestral de medias tendrá aproximadamente una distribución normal con una

media igual a y una desviación estándar de . La aproximación será cada

vez más exacta a medida de que n sea cada vez mayor.

8/08/2018 EDGAR ALVAREZ ARAGON 2

INGENIERIA QUIMICA
 Propiedades
1. La media de la distribución muestral es
idéntica a la media de población μ.
2. La desviación estándar de la distribución de
las medias muestrales es igual a σ/ √n. Esta
cantidad recibe el nombre de error estándar
de la muestra.
3. Si se cumple que n es suficientemente
grande (Ej. 25), la forma de la distribución
muestral es muy cercana a la normal.
8/08/2018 EDGAR ALVAREZ ARAGON 3
INGENIERIA QUIMICA
 Entonces..
• Siempre que n sea mayor que 1, el error
estándar de la media siempre es menor que
la desviación estándar de la población.
• Conforme crece n, la cantidad de variación
de la muestra disminuye.
• Si n es lo suficientemente grande, la
distribución de las medias muestrales
esta muy cerca de lo normal. Esto se
conoce como teorema del límite central.

8/08/2018 EDGAR ALVAREZ ARAGON 4

INGENIERIA QUIMICA
Distribuciones Muestrales

Las muestras aleatorias obtenidas de una población son, por naturaleza

propia, impredecibles. No se esperaría que dos muestras aleatorias del
mismo tamaño y tomadas de la misma población tenga la misma media
muestral o que sean completamente parecidas; puede esperarse que
cualquier estadístico, como la media muestral, calculado a partir de las
medias en una muestra aleatoria, cambie su valor de una muestra a otra,
por ello, se quiere estudiar la distribución de todos los valores posibles
de un estadístico. Tales distribuciones serán muy importantes en el
estudio de la estadística inferencial, porque las inferencias sobre las
poblaciones se harán usando estadísticas muestrales. Como el análisis
de las distribuciones asociadas con los estadísticos muestrales,
podremos juzgar la confiabilidad de un estadístico muestral como un
instrumento para hacer inferencias sobre un parámetro poblacional
desconocido.
8/08/2018 EDGAR ALVAREZ ARAGON 5
INGENIERIA QUIMICA
La distribución de frecuencia de un estadístico muestral se
denomina distribución muestral. Suponga que se han
seleccionado muestras aleatorias de tamaño 20 en una
población grande. Se calcula la madia muestral x para cada
muestra; la colección de todas estas medias muestrales recibe
el nombre de distribución muestral de medias, lo que se
puede ilustrar en la siguiente figura:

8/08/2018 EDGAR ALVAREZ ARAGON 6

INGENIERIA QUIMICA
 Error Muestral

Cualquier medida conlleva algún error. Si se usa la media para medir, estimar, la
media poblacional , entonces la media muestral, como medida, conlleva algún
error. Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de
tamaño 25 de una población con media = 15: si la media de la muestra es x=12,
entonces a la diferencia observada x- = -3 se le denomina el error muestral.
Una media muestral x puede pensarse como la suma de dos cantidades, la media
poblacional y el error muestral; si e denota el error muestral, entonces:

8/08/2018 EDGAR ALVAREZ ARAGON 7

INGENIERIA QUIMICA
Se eligen muestras ordenadas de tamaño 2, con reemplazo,
de la población de valores 0, 2, 4, 6 y 8 Encuentre:

, la media poblaciona.

, la desviación estándar poblacional.

x, la media de la distribución muestral de medias.

x, la desviación estándar de la distribución muestral de

medias.

Además, grafique las frecuencias para la población y para la

distribución muestral de medias.

X Frecuencia Frecuencia
Relativa
0 1 1/5 = .2
2 1 1/5 = .2
4 1 1/5 = .2
6 1 1/5 = .2
8 1 1/5 = .2
8/08/2018 EDGAR ALVAREZ ARAGON 8
INGENIERIA QUIMICA
Solución:

1. Paso

Se calcula la media poblacional, la varianza y desviación estándar

poblacional.
n
X
  i
N

0  2  4  6 8 20
  4
 = 5 5

n ( X   )2
2 
i N

( 0  4 )2  ( 2  4 )2  ( 4  4 )2  ( 6  4 )2  ( 8  4 )2 40
2    8
5 5

  8  2.83

Paso

8/08/2018 EDGAR ALVAREZ ARAGON 9

INGENIERIA QUIMICA
Paso 2

Gráfica de la distribución de frecuencia para la población

Gráfica de la Población

0.205

Frecuencia
Relativa

0.200

0.195

0 1 2 3 4 5 6 7 8

Esta gráfica no puede considerarse acampanada o normal.

8/08/2018 EDGAR ALVAREZ ARAGON 10
INGENIERIA QUIMICA
 Paso 3

Se toman muestras de tamaño dos con remplazo.

Muestra X Muestra X Muestra X

0, 0 0 4, 0 2 8, 0 4

0, 2 1 4, 2 3 8, 2 5

0, 4 2 4, 4 4 8, 4 6

0, 6 3 4, 6 5 8, 6 7

0, 8 4 4, 8 6 8, 8 8

2, 0 1 6, 0 3

2, 2 2 6, 2 4

2. 4 3 6, 4 5

2, 6 4 6, 6 6

2, 8 5 6, 8 7

8/08/2018 EDGAR ALVAREZ ARAGON 11

INGENIERIA QUIMICA
Paso

Se agrupa a las medias muéstrales en la tabla de frecuencia siguiente:

X F

0 1

1 2

2 3

3 4

4 5

5 4

6 3

7 2

8 1

8/08/2018 EDGAR ALVAREZ ARAGON 12

INGENIERIA QUIMICA
Paso 4

Se calcula la media poblacional de medias , la varianza de la medias y desviación estándar

de las medias ó error estándar de las medias.

N f (X )
x  
i N

1(0)  2 (1)  3 ( 2 )  4 ( 3 )  5 ( 4)  4 ( 5 )  3 ( 6 )  2 ( 7 ) 1( 8 ) 100

x   4
25 25

N f ( X   x )2
 x2  
i N

1(0  4 ) 2  2 (1  4 ) 2  ............1( 8  4 ) 2 100

 x2   4
25 25

x  4  2

8/08/2018 EDGAR ALVAREZ ARAGON 13

INGENIERIA QUIMICA
 6. Paso

Gráfica de la distribución de frecuencia para la población de

medias maestrales

Gráfica de la Población

5
Frecuencias

0 1 2 3 4 5 6 7 8

Medias muestrales

Paso

Conclusión

De la apariencia acampanada de la distribución de las medias,

concluimos que es razonable aproximar la distribución muestral de
x por una distribución normal, una vez que se conoce la media y la

desviación estándar de la distribución muestral.

8/08/2018 EDGAR ALVAREZ ARAGON 14

INGENIERIA QUIMICA
Ejemplo:

Suponga que la tabla siguiente muestra la antiguedad en años en el trabajo de

tres maestros universitarios de matemáticas:

Maestro de matemáticas Antiguedad

A 6

B 4

C 2

Suponga además que se seleccionan muestras aleatorias de tamaño 2 sin

reemplazo. Calcule la antigüedad media para cada muestra, la media de la
distribución muestral y el error estándar, o la desviación estándar de la distribución
muestral.

8/08/2018 EDGAR ALVAREZ ARAGON 15

INGENIERIA QUIMICA
Solución:

Se pueden tener 3C2 =3 muestras posibles. La tabla lista todas las muestras
posibles de tamaño 2, con sus respectivas medias muestrales.

Muestras Antigüedad Media Muestral

A,B (6,4) 5

A,C (6,2) 4

B,C (4,2) 3

La media poblacional es:

La media de la distribución muestral es:

8/08/2018 EDGAR ALVAREZ ARAGON 16

INGENIERIA QUIMICA
La desviación estándar de la población es:

El error estándar o la desviación estándar de la distribución muestral es:

Si utilizamos la fórmula del error estándar sin el factor de correción tendriamos

que:

Por lo que observamos que este valor no es el verdadero. Agregando el factor de

corrección obtendremos el valor correcto:

8/08/2018 EDGAR ALVAREZ ARAGON 17

INGENIERIA QUIMICA
El diagrama de flujo resume las decisiones que deben tomarse cuando se calcula
el valor del error estándar:

8/08/2018 EDGAR ALVAREZ ARAGON 18

INGENIERIA QUIMICA
El error estándar de la media, mide la variabilidad
entre medias muestrales.


x  V (x ) 
n TEOREMA DEL LIMITE CENTRAL

lo que revela que  x es menor que  . Además, indica que cuando

n  ,  x  0
. Así, cuanto mayor es la muestra, tanto menor es la
fluctuación entre medias muestrales extraídas de la misma población.

Si se toman muestras de una población finita, sin reposición, como en los

casos anteriores, debe de introducirse un factor de corrección para
población finitas para calcular el error estándar de la media. A saber:

De esta manera la ecuación para la transformación de

cualquier media muestral en una variable normal
estándar será:
 N n
x 
n N 1

La desviación típica de los

promedios disminuye en un factor
“raíz de n” (error estándar).
8/08/2018 EDGAR ALVAREZ ARAGON 19
INGENIERIA QUIMICA
 CONCLUCION TLC

8/08/2018 EDGAR ALVAREZ ARAGON 20

INGENIERIA QUIMICA
 Muestreo

Procedimiento por el cual se extrae, de un

conjunto de unidades que constituyen el objeto
de estudio ( población), un número de casos
reducido (muestra) elegidos con criterios tales
que permitan la generalización a toda la
población de los resultados obtenidos al estudiar
la muestra.

8/08/2018 EDGAR ALVAREZ ARAGON 21

INGENIERIA QUIMICA
 Razones de Muestreo

Disminución de costos ( tiempo, personal, material)

Al disminuir el número de casos disminuyen también los

errores asociados a la manipulación de los datos.

Puede confiarse en la generalización de los resultados si se ha

tenido cuidado al seleccionar la muestra.

8/08/2018 EDGAR ALVAREZ ARAGON 22

INGENIERIA QUIMICA
 Criterios importantes para la selección de la
muestra

Salvo en poblaciones muy pequeñas y accesibles nunca se

observan a todas las unidades de la población.
Se debe diseñar una muestra que constituya una
representación a pequeña escala de la población a la que
pertenece.
Cualquier diseño muestral comienza con la búsqueda de la
información que ayude a la identificación de las
características de la población bajo estudio.

8/08/2018 EDGAR ALVAREZ ARAGON 23

INGENIERIA QUIMICA
 Tamaño de la muestra

Es el número de unidades a incluir en la muestra.

• Tiempo y recursos disponibles

• Modalidad de Muestreo
Existen varios factores • Tipo de Análisis Previsto
que influyen en el: • Varianza o heterogeneidad de la población
• Margen de Error máximo admisible
• Nivel de confianza de la estimación muestral

8/08/2018 EDGAR ALVAREZ ARAGON 24

INGENIERIA QUIMICA
 Tipos de Muestreos
PROBABILÍSTICOS NO PROBABILISTICOS
•Cada unidad NO tiene igual
• Todas las unidades tienen probabilidad de participar en
igual probabilidad de la muestra.
participar en la muestra.
•No se puede calcular el error
• La elección de cada unidad
muestral
muestral es independiente de las
demás •Alto riesgo de invalidez
• Se puede calcular el error producido por la introducción
muestral de sesgos
8/08/2018 EDGAR ALVAREZ ARAGON 25
INGENIERIA QUIMICA
 Usos de cada tipo de muestreo

Muestreo Probabilísticos Muestreos No Probabilísticos

Estudios Pilotos
Estimación de
Parámetros
Estudios Cualitativos
Comprobación de
Investigaciones en poblaciones de difícil
Hipótesis registro o localización ( Ej. Marginales,
prostitutas, enfermos de VIH, etc…)

8/08/2018 EDGAR ALVAREZ ARAGON 26

INGENIERIA QUIMICA
 Tipos de muestreo Probabilístico

Simple Sistemático Estratificado Por

Conglomerados

8/08/2018 EDGAR ALVAREZ ARAGON 27

INGENIERIA QUIMICA
 Muestreo Probabilístico : Simple

Se realiza utilizando alguna fuente de elección aleatoria.

Supone que cada miembro de la población tiene elemento

que lo identifica ( ej. Un número identificador) y
mediante el cual puede ser elegido si “sale” sorteado.

La afirmación anterior implica que hay que tener un

listado completo de TODOS los miembros de la población

8/08/2018 EDGAR ALVAREZ ARAGON 28

INGENIERIA QUIMICA
Ventajas Desventajas
Facilidad en los cálculos Cada que cada miembro de la
estadísticos población tiene que ser
identificado
Elevada probabilidad de
Complicado en poblaciones
lograr “equivalencia” entre las
grandes
características de la muestra y
las correspondientes a la
Alto costo
población

8/08/2018 EDGAR ALVAREZ ARAGON 29

INGENIERIA QUIMICA
 Muestreo Aleatorio Sistemático

 Similar al muestro simple salvo que:

1. Solo la primera unidad de la muestra se elige al azar
siempre que el número seleccionado sea mayor que el
coeficiente de elevación.
 Coeficiente de Elevación = N/ n
 Donde
 N: Tamaño de la población
 n : Tamaño de la muestr

1. Los restantes elementos de la muestra se hayan sumando,

sucesivamente el coeficiente de elevación.

8/08/2018 EDGAR ALVAREZ ARAGON 30

INGENIERIA QUIMICA
 Muestreo Aleatorio Estratificado

Presupone el conocimiento de las características

de las unidades que forman la población para
poder dividirla en grupos ( estratos)

Se eligen los miembros de la muestra en cada

estrato creado siguiendo algún tipo de muestreo
de los vistos anteriormente.
8/08/2018 EDGAR ALVAREZ ARAGON 31
INGENIERIA QUIMICA
 Ej. Muestreo Probabilístico por Estratos

Escuelas

Escuela Escuela
Primarias Secundarias

Escuela 1 Escuela 2 Escuela 1 Escuela 2

Profesores Profesores Profesores Profesores

8/08/2018 EDGAR ALVAREZ ARAGON 32

INGENIERIA QUIMICA
 Aleatorio Estratificado cont…

El objetivo de este tipo de muestreo es garantizar la

representatividad equitativa de los estratos ( que
implica representación equitativa de las características
de la población).
Se logra si:
Son máximas las diferencias entre los estratos
Son mínimas las diferencias entre los miembros de un
mismo estrato.
Los criterios de división de la población en estratos se
hallen relacionadas con los objetivos de la investigación.

8/08/2018 EDGAR ALVAREZ ARAGON 33

INGENIERIA QUIMICA
 Muestreo Aleatorio por
conglomerados

La unidad muestral es un grupo de elementos de la

población que forman una unidad, a la que
llamamos conglomerado.
A diferencia de un estrato, un conglomerado es una
unidad de elementos que contienen representantes
de toda la población

8/08/2018 EDGAR ALVAREZ ARAGON 34

INGENIERIA QUIMICA