ESTADSTICA EMPRESARIAL

Tema 12: Teora de Muestras. Distribuciones en e muestreo

I!TR"D#CCI$!
A principios del siglo XIX la estadstica se ocupa de las caractersticas del estado.
Posteriormente adelantos en la teora de la probabilidad permiten el desarrollo en la
teora estadstica, que hace posible la generalizacin cientfica a partir de informacin
incompleta, in%erencia estadstica.
Partes de la estadstica:
Descriptia
Inferencial
!l procedimiento esencial en la inferencia estadstica es tomar una muestra
representatia de la poblacin " con base en la informacin obtenida de la muestra hacer
una informacin #til sobre una caracterstica de la poblacin. Dicha muestra debe ser
representatia de la poblacin " elegida de forma aleatoria. $a aleatoriedad puede darse
de distintas formas. !sto da lugar a los diersos procedimientos de seleccin de la
muestra que tienen como fin fundamental proporcionar distintas alternatias para que
con cierto grado de confianza la muestra escogida sea representatia.
!n muchas circunstancias ha" que tomar decisiones bas%ndose slo en la informacin
contenida en una muestra. &n gerente de mar'eting debe determinar si una nuea
estrategia de mercado aumentar% las entas. Para ello se basar% fundamentalmente en
encuestas realizadas a unos cuantos clientes potenciales, etc. Para adoptar decisiones se
toma toda la informacin posible de la muestra seleccionada " se estudia, en t(rminos
de probabilidad el grado de fiabilidad de las decisiones adoptadas.
)e puede distinguir de modo general dos grandes m(todos dentro de la Inferencia
!stadstica:
M&todos Param&tricos: se supone que los datos proienen de una familia de
distribuciones conocida *+ormal, Poisson,,- " que lo #nico que se desconoce es el
alor concreto de alguno de los par%metros que la definen *

"

para la normal,
para la Poisson,,-.
)e pueden hacer inferencias acerca de los par%metros poblacionales de dos maneras.
Dando alores apro.imados para los par%metros *!stimacin-, o tomando decisiones
con respecto a ellos */ontraste de 0iptesis-.
M&todos !o Param&tricos: no suponen conocida la distribucin, " solamente suponen
hiptesis mu" generales respecto a las mismas. !stos m(todos se aplican en los test de
bondad de a1uste, que prueban la adecuacin de los datos a ciertos modelos de
distribuciones tericas, los test de indepencia, etc.
$as conclusiones que se obtengan " que se generalizar%n depender%n de los alores
concretos que se ha"an obserado en la muestra.
'E!TA(AS DEL M#ESTRE"
2
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
Poblacin finita: el n#mero de sus elementos es una cantidad finita aunque (sta sea mu"
grande.
Poblacin infinita: no se puede poner en correspondencia con ning#n subcon1unto de los
n#meros naturales.
)i la poblacin es infinita es imposible tomar una muestra tan grande como la
poblacin.
)i la poblacin es finita se pueden tomar muestras del tama3o de la poblacin, pero
carece de sentido.
4!+5A6A) :
/oste reducido.
7a"or rapidez.
7a"ores posibilidades.
7a"or e.actitud.
ETAPAS PRI!CIPALES E! #!A E!C#ESTA P"R M#ESTRE".
1) 8b1etios de la encuesta.
2) Poblacin ba1o muestreo.
*) Datos que deben ser recolectados.
+) +iel de precisin deseado.
,) 7(todos de medicin.
-) !l marco.
.) )eleccin de la muestra.
/) !ncuesta piloto.
0) 8rganizacin del traba1o de campo.
11) 9esumen " an%lisis de los resultados.
11) Informacin ganada para futuras encuestas.
DISE2" DE M#ESTRE"
Dise3o de muestreo: plan que se llear% a cabo para escoger la muestra, de modo que
e.ista un conencimiento bien fundado de que la muestra sea representatia.
/riterios de e4auaci5n de un dise3o de muestreo: fiabilidad " efectiidad.
Error de muestreo: diferencia entre el alor de una estadstica obtenido mediante los
datos muestrales " el alor del correspondiente par%metro debido a ariaciones fortuitas
en la seleccin de las unidades.
Error no muestra o sistem6tico: es debido a instrumentos de medicin incorrectos,
cuestionarios mal elaborados...
7iabiidad: est% determinada por la arianza del estimador. /uanto ma"or sea, menor es
la fiabilidad.
:
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
E%ecti4idad: un dise3o de muestreo se considera m%s efectio que otro si tiene menor
costo con el mismo grado de fiabilidad.
TIP"S DE M#ESTRE".
Si un mismo dato 8uede darse o no9 tantas 4eces como sea 8osibe en a
muestra.
: /on repeticin.
: )in repeticin.
7orma en a ;ue se recoectan os datos.
: +o probabilstico:
Intencional, por criterio o sub1etio.
Por cuotas.
)in norma o circunstancial.
: Probabilstico:
Irrestricto: 7uestreo aleatorio simple.
9estringidos: )istem%ticos.
!stratificado.
Por conglomerados.
Muestreo con re8etici5n.
/ada unidad que forma parte de la poblacin, una ez analizada se retorna a la
poblacin.
!s el muestreo que debe usarse para poblaciones infinitas.
/uando se utiliza en una poblacin finita, se la considera como infinita.
!s fundamental en el estudio de problemas estadsticos mediante simulacin.
Muestreo sin re8etici5n.
/ada unidad una ez obserada no se retorna a la poblacin.
)olo puede usarse en poblaciones finitas.
Muestreo no 8robabistico.
7uestreo intencional, por criterio o sub1etio.
!l modo de escoger la muestra se basa en la e.periencia personal que tenga el
inestigador, quien por su propio criterio decide qu( muestra es representatia.
Influida por las preferencias o tendencias del seleccionador.
/arece de bases tericas que nos permitan ealuar su efectiidad " fiabilidad.
)e emplea con bastante regularidad en estudios estadsticos de auditoria de muestreo.
;
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
7uestreo por cuotas.
)e recoge informacin de personas en n#mero proporcional al de las que cumplen
determinadas condiciones en la poblacin " puede elegirlas a su arbitrio dentro de
grupos establecidos de se.o, edad " ciertos nieles socioeconmicos.
7uestreo sin norma o circunstancial.
$a muestra se toma seg#n lo que salga bien, por razones de comodidad, circunstancia "
aun de capricho.
)i la poblacin es homog(nea, la representatiidad puede ser satisfactoria.
Muestreo 8robabistico.
)e puede calcular preiamente la probabilidad de obtener cada una de las muestras que
sea posible calcular.
I99!)59I/58.
7uestreo aleatorio simple
/ada una de las muestras de tama3o n tiene la misma probabilidad de ser seleccionada,

,
_

n
N
2
.
)e puede utilizar si las unidades de muestreo pueden identificarse f%cilmente " si la
poblacin es homog(nea " peque3a.
7(todo costoso " llea tiempo.
!s necesario numerar todos los elementos.
)i los elementos pr.imos entre s son m%s homog(neos que los que est%n apartados,
una muestra aleatoria simple puede no ser representatia de la poblacin.

9!)59I+<ID8).
7uestreo sistem%tico
!s de los m%s utilizados.
/onsiste en particionar la poblacin en n*tama3o de la muestra- grupos de tama3o m.
Del primer grupo se toma al azar un elemento, p.e. el numerado con '. Del segundo
grupo tomamos el elemento '=m, " as sucesiamente hasta completar la muestra.
)e recomienda siempre que se den las condiciones "a que ha" ma"or probabilidad de
que la muestra resulte repartida en toda la poblacin.
>
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
)e debe disponer de una lista de las unidades de la poblacin lo cual representa una gran
desenta1a.
)e puede utilizar para control de la calidad.
)elecciona una muestra m%s representatia que el muestreo aleatorio simple si los
elementos cercanos de la poblacin se aseme1an m%s entre s de lo que se parecen los
que quedan distantes.
!s menos representatia que el muestreo aleatorio simple si e.iste periodicidad oculta
en la poblacin " el periodo coincide con m.
7uestreo estratificado.
Puede resultar m%s efectio que el anterior.
!.ige tener un conocimiento preio de la poblacin.
/onsiste en diidir la poblacin en subpoblaciones agrupando los elementos m%s
parecidos entre s. /ada subpoblacin se llama estrato " en cada uno de ellos se llea a
cabo un muestreo aleatorio simple para escoger la muestra. $a muestra global se obtiene
al combinar las submuestras de todos los estratos.
!l reparto del tama3o de la muestra en los distintos estratos se denomina a%i<aci5n. )i la
muestra se diide por partes iguales en los estratos la afi1acin se dice igual o uniforme.
)i se hace proporcional al n#mero de elementos de cada estrato se denomina afi1acin
proporcional. )i se hace proporcional al n#mero de elementos " a la arianza de cada
estrato tenemos la afi1acin ptima.
!s el m%s efectio cuando se trata de poblaciones heterog(neas.
Al hacerse la estratificacin, las clases se establecen de modo que las unidades de
muestreo tiendan a ser uniformes dentro de cada clase " las clases tiendan a ser
diferentes entre s. As se puede controlar la proporcin de cada estrato en la muestra
global " al no de1arla al azar queda asegurado el car%cter representatio de la muestra.
)i la arianza de la caracterstica obserada de cada estrato es menor que la de toda la
poblacin, se aumentar% la fiabilidad para un tama3o de muestra dado o bien la
efectiidad para un grado dado de fiabilidad.
!l aumento de la fiabilidad " de la efectiidad puede aumentarse al clasificar a#n m%s
los estratos en subestratos. Dicho procedimiento de doble clasificacin se denomina
doble estratificacin.
Para definir los estratos se pueden emplear datos anteriores, la intuicin, un criterio
slido o bien, resultados preliminares procedentes de otros estudios.
7uestreo por conglomerados.
)e eligen los indiiduos de la muestra por grupos llamados con=omerados. /ada
conglomerado que resulte de la muestra se reisa total o parcialmente. $os me1ores
?
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
resultados se obtienen cuando la diferencia entre los conglomerados, respecto a la
caracterstica de inter(s, es mnima " las diferencias entre los elementos indiiduales
dentro de cada conglomerado se hace tan grande como sea posible. $o ideal es que cada
conglomerado constitu"era una miniatura de la poblacin " as un solo conglomerado
sera una muestra satisfactoria.
$os conglomerados se denominan unidades de muestreo primario. )i todos los
elementos del conglomerado se inclu"en en la muestra, el procedimiento se denomina
muestreo de una etapa. )i se saca una submuestra aleatoria de elementos de cada
conglomerado seleccionado , se denomina muestreo biet%pico. )i interienen m%s de
dos etapas se denomina poliet%pico.
/uando se hacen muestreos de una poblacin distribuida geogr%ficamente se toman
como unidades primarias de muestreo las regiones geogr%ficas, muestreo por zonas.
)e utiliza en el control estadstico de la calidad.
Desenta1a: relatia ausencia de fiabilidad para un tama3o de muestra dado.
$a enta1a principal es la gran reduccin de costos para un grado dado de fiabilidad.
!ste hecho es el que llea con frecuencia a la eleccin de este m(todo frente a otros.
DISTRI>#CI"!ES E! EL M#ESTRE"
PAR?METR"S P">LACI"!ALES @ ESTADSTIC"S M#ESTRALES
!n general los 8ar6metros poblacionales son las caractersticas num(ricas de la
poblacin. !l conocimiento del par%metro permite describir parcial o totalmente la
funcin de probabilidad de la caracterstica que estamos inestigando.
Por e1emplo si la caracterstica a inestigar sigue una distribucin normal, se necesita
conocer

"

para describir totalmente su funcin de densidad.

!n la ma"ora de los modelos probabilsticos se encuentran par%metros cu"os alores
tendremos que fi1ar para especificar completamente el modelo " poder calcular las
probabilidades deseadas. &no de los problemas centrales en estadstica se plantea
cuando se desea estudiar una poblacin con funcin de distribucin @*., -, donde la
forma de la funcin de distribucin es conocida, pero depende de un par%metro
desconocido. !n este caso se selecciona una muestra de la poblacin " se calcula para
las obseraciones de la muestra el alor de alguna funcin que representa o estima el
par%metro desconocido, .
&n estadstico es cualquier funcin real de las ariables aleatorias que integran la
muestra, es decir, es una funcin de las obseraciones muestrales, la cual no contiene
ning#n alor o par%metro desconocido.
)i tenemos una muestra *X
2
, X
:
, ,, X
n
-, constituida por n ariables aleatorias
independientes e id(nticamente distribuidas, podemos definir algunos estadsticos como
por e1emplo:
A
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
n
X X X
n
+ + + ...
: 2
n
X X X
n
: :
:
:
2
... + + +
n
X X X X X X
n
: :
:
:
2
- * ... - * - * + + +
!stos estadsticos se determinan totalmente a partir de las obseraciones muestrales.
!n general un estadstico 5 los representaremos como 5Bg*X
2
, X
:
, ,, X
n
-, es decir una
funcin de las obseraciones muestrales, que es a su ez tambi(n una ariable aleatoria,
pues para cada muestra tomar% un alor diferente.
/omo a medida que amos tomando muestras diferentes se obtienen distintos alores
del estadstico, (ste es tambi(n una ariable aleatoria " por consiguiente tendr% su
correspondiente distribucin, a la que llamaremos distribuci5n muestra de
estadstico.
Par%metro " estadstico son dos conceptos diferentes, el par%metro es una constante "
cuando se conoce determina completamente el modelo probabilstico, el estadstico es
una ariable aleatoria cu"o alor depender% de las obseraciones muestrales.
4amos a distinguir entre medidas num(ricas calculadas con con1untos de datos
poblacionales " las calculadas con datos muestrales. )i la medida num(rica se calcula
para el con1unto de datos poblacionales le llamaremos alor del 8ar6metro 8obaciona
" si se calcula para el con1unto de datos muestrales, le llamaremos alor del estadstico
muestra.
Par6metros media9 4arianAa B 8ro8orci5n 8obaciona
!n una poblacin finita de tama3o + ienen dados por:
C 7edia *poblacional-:

N
i
i
X
N
2
2

C 4arianza *poblacional-:
( )

n
i
i
X
N
2
: :
2

C Proporcin *poblacional-: pB
pruebas de nmero
pruebas N en xitos de n
N
X D

Estadstico media9 4arianAa B 8ro8orci5n muestra

Para una muestra aleatoria simple de tama3o n, *X
2
, X
:
, ,, X
n
- se definen como:
C 7edia muestral:

n
i
i
X
n
X
2
2
C 4arianza muestral:
( )

n
i
i
X X
n
S
2
:
:
2
2
C Proporcin muestral: P
X
B
pruebas de nmero
pruebas n en xitos de n
n
X D

E
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
DISTRI>#CI$! DE LA MEDIA M#ESTRAL.
$a media muestral,
X
, al ser una estadstica es una ariable aleatoria " por lo tanto
tiene una funcin de distribucin, una media " una arianza.
5!89!7A:
)ea X
2
, X
:
,,, X
n
una muestra aleatoria proeniente de una poblacin de media
x

"
arianza
:
x

. )i
X
es la media muestral entonces !*
X
-B
x

" 4*
X
-B
n
x
:

. $a
desiacin tpica de la media muestral se conoce con el nombre de error est%ndar de la
media " iene dado por la siguiente e.presin
n
x

!l error est%ndar es inersamente proporcional al tama3o de la muestra. Por lo tanto al

controlar el tama3o de la muestra controlamos el error.
0asta ahora no hemos tenido en cuenta la distribucin de la ariable aleatoria en
cuestin.
Distribuci5n de a media muestra en una 8obaci5n norma con media B 4arianAa
conocidas.
5!89!7A:
)ea X
2
, X
:
, X
n
una muestra aleatoria proeniente de una poblacin normal de media
x

" arianza
:
x

.!ntonces la ariable FB

n
i
i i
X a
2
tiene distribucin normal con
media
( )

n
i
i
a
2

" arianza
( )
:
2
:

n
i
i
a
5!89!7A:
)i X
2
, X
:
,, X
n
es una muestra aleatoria proeniente de una poblacin normal de media

" arianza
:

entonces la media muestral tiene distribucin normal con media

"
arianza
n
:

.
Teorema centra de mite
5!89!7A:
)i
X
es la media de una muestra aleatoria de tama3o n que se toma de una poblacin
con media

" arianza finita

:

, entonces la ariable G
n
B
( )

X n
tiende a la
normal est%ndar a medida que n tiende a infinito.
H
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
$a importancia de este resultado radica en que nos proporciona un medio para traba1ar
con la media muestral aunque desconozcamos la distribucin de la poblacin.
8tro enunciado del teorema del lmite central m%s f%cil de interpretar es:
ISi X es una variable aleatoria de media

y varianza
:
La distribucin muestral
de la media de una muestra aleatoria de tamao n es aproximadamente normal de
media

y varianza
n
:

, si n es suficientemente grandeJ.
+ se considera suficientemente grande si es ma"or o igual que ;K.
Distribuci5n de a 8ro8orci5n 8ara muestras =randes.
5!89!7A:
)ea
p
la proporcin muestral asociada a una caracterstica, la cual se presenta en la
poblacin en una proporcin

. !ntonces
p
sigue una normal de media

"
desiacin tpica
( )
n
2
0a" que se3alar que la apro.imacin a la normal slo se puede utilizar para muestras de
tama3o grande *en el mismo sentido del teorema del lmite central-, para muestras
peque3as se utilizar% la binomial o la hipergeom(trica.
DISTRI>#CI$! DE LA 'ARIA!CA M#ESTRAL.
DISTRI>#CI$! (I C#ADRAD".
A eces lo que nos interesa es estudiar la ariabilidad de las medidas. $a ariabilidad se
suele medir con la arianza o con la desiacin tpica " la estadstica empleada es la
arianza muestral:

n
i
i
n
x x
S
2
:
:
2
- *
.
Para poder traba1ar con ella necesitamos conocer la funcin de distribucin asociada,
para esto estudiaremos la distribucin 1i cuadrado.
)e dice que una ariable aleatoria X sigue una distribucin 1i cuadrado con ' grados de
libertad, cuando su funcin de densidad est% dada por la frmula:
Dado lo complicado de la e.presin utilizaremos una tabla para conocer los alores que
nos interesen.
Propiedades de esta distribucin:
2. )i X es una ariable con distribucin 1i cuadrado con ' grados de libertad, su
media es ' " su arianza :'.
:. &na ariable 1i cuadrado no toma alores negatios.
L

'

>

caso otro cualuier en
six e x
!
x f
x !
x
K
K - : M 2 *
- : M *
2
- *
- : M 2 * 2 : M
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
;. )u gr%fica es de las de tipo de curas sesgadas a la derecha.
>. A medida que aumentan los grados de libertad la cura se a haciendo m%s
sim(trica " su cola derecha se a e.tendiendo.
?. Por cada alor de ' ha" una distribucin distinta.
A. N es el #nico par%metro asociado a la distribucin.
$a tabla que amos a utilizar es la tabla III que nos da los alores
:
que determinan la
cola superior *derecha- de la distribucin especificada por los grados de libertad.
!n la fila superior da los alores de cola derecha " en la primera columna encontramos
los respectios grado de libertad. !l n#mero que se encuentra en la interseccin de la
horizontal imaginaria que parte del n#mero dado por los grados de libertad con la
ertical que sale del alor de cola derecha es el n#mero que determina dicha cola con
los grados de libertad dados. )e denota
( )
:
, !

en donde ' son los grados de libertad " q

la medida de la cola derecha.
)i lo que deseamos es alores 1i cuadrado que definan regiones al e.tremo izquierdo de
la distribucin*cola izquierda-, debemos tener en cuenta que una regin a la izquierda
determina otra a la derecha*no sim(trica en este caso- " tenemos que la cola izquierda
del ?O corresponde a una regin al lado derecho del L?O .
Para alores de ' superiores a 2KK se puede utilizar la siguiente frmula:
( )
[ ]
:
:
P
2 : : M 2 + ! z
!

$a distribucin chi cuadrado se puede utilizar para hacer inferencias sobre la arianza
muestral. Para ello utilizaremos
( )
( )
:
:
:
2
2

S n
n

, que si las ariables siguen una

distribucin normal, sigue una 1i cuadrado con nC2 grados de libertad.
DISTRI>#CI$! t DE ST#DE!T.
)i al hacer inferencia sobre la media no conocemos el alor de la arianza sino que
tambi(n tenemos que estimarlo tendremos que utilizar otra e.presin para estimar la
media: 5B
( )
S
x n
que tiene una distribucin t de )tudent con *nC2- grados de
libertad.
&na ariable 5 tiene distribucin t de )tudent con ' grados de libertad si su funcin de
densidad est% dada por
( )

,
_

,
_

+

1
]
1

,
_

,
_

+
:
,
:
2
2
:
:
2
: M - 2 *
:
n n
t
n
t
n
n
n
t f
n
"

Para traba1ar con esta distribucin dado lo comple1o de la e.presin de su funcin de

densidad utilizaremos una tabla. Antes de aprender a mane1arla estudiaremos las
propiedades de la distribucin t:
2K
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
2. $a media de 5 es K " su arianza
: !
!
, 'Q:.
:. 5oma tericamente cualquier alor real.
;. $a gr%fica de la funcin de densidad es en forma de campana.
>. $a gr%fica es mu" parecida a la de la normal est%ndar diferenciandose en que las
colas de t est%n por encima de la normal, " el centro se encuentra por deba1o del
de la normal.
?. /uando los grados de libertad son altos, los alores de t coinciden con los de la
normal.
Para obtener alores de %rea*probabilidad- de la distribucin t emplearemos la tabla de
la distribucin.
5enemos que tener en cuenta que cada una de las probabilidades que aparecen en la
segunda fila es igual a la suma de las %reas de las dos colas, " las que aparecen en la fila
R es el %rea de una de las colas. Para cada alor de ' que aparece en la columna
izquierda de la tabla, la partida de la tabla en una columna particular es el alor t por
encima del cual queda la probabilidad que aparece en la fila R. Aunque solo aparecen
alores positios de t quedan implcitos los negatios, "a que la distribucin es
sim(trica respecto de K.
DISTRI>#CI$! DE LA DI7ERE!CIA DE MEDIAS E! P">LACI"!ES
!"RMALES I!DEPE!DIE!TES.
!s frecuente interesarse por la diferencia entre dos medias *para compararlas-. Para ello
utilizaremos la ariable DB
y x
.
5!89!7A:
5omemos de una poblacin normal X de media
x

" arianza
:
x

una muestra de
tama3o n
2
. 5omemos de una poblacin F normal de media
y

" arianza
:
y

una
muestra de tama3o n
:
. )i X e F son independientes entonces *
y x
- sigue una normal
de media
x

C
y

" arianza
:
:
2
:
n n
y
x

+
!l siguiente teorema lo utilizaremos cuando las arianzas sean desconocidas pero se
consideran iguales.
5!89!7A:
)upongamos que de una poblacin normal X con media
x

" arianza desconocida

tomamos una muestra de tama3o n
2
" que de una poblacin normal, F con media y

"
arianza desconocida tomamos una muestra de tama3o n
:
. )i X e F son independientes
" la arianza de . " la arianza de " son iguales entonces 5B
( ) ( )
: 2
2 2
n n
S
y x
p
y x
+

tiene
una distribucin t con *n
2
=n
:
C:- grados de libertad.
22
ESTADSTICA EMPRESARIAL
Tema 12: Teora de Muestras. Distribuciones en e muestreo
)pB
( ) ( )
( ) :
2 2
: 2
:
: :
:
2 2
+
+
n n
S n S n
. Donde )
i
son las desiaciones tpicas muestrales. )p
:
se
llama arianza ponderada.
DISTRI>#CI$! DEL C"CIE!TE DE D"S 'ARIA!CAS. DISTRI>#CI$! 7.
Algunas eces tendremos que comparar dos arianzasP es decir determinar si la
ariabilidad de una poblacin difiere de otra. Para ello utilizaremos la estadstica @B
:
:
y
x
S
S
que sigue una distribucin @.
$a distribucin @ est% caracterizada por su funcin de densidad:
@.*.-B
( )
[ ]

'

>
+

,
_

+
+

caso otro cualuier en

x
x n m
x
n
m
n m
n m
n m
n m
m
K
K
- M * 2
- : M * - : M *
: M
: M - *
: M - *
: M
@ no toma alores negatios " tiene asociados grados de libertad que constitu"en sus
par%metros.
)u representacin gr%fica depende de los grados de libertad.
Para traba1ar con ella utilizaremos la tabla 4. Dado un alor de %rea q la fila superior
enumera los alores n
2
llamados grados de libertad en el numeradorP la primera columna
enumera los alores n
:
, llamados grados de libertad en el denominador " la partida de la
tabla es el alor @ que separa la parte q superior de la distribucin @ con n
2
" n
:
grados
de libertad, a dicho alor de @ se le denota @*qP n
2
Pn
:
-.
$a tabla se ha construido suponiendo que la arianza m%s grande est% en el numerador
de la ecuacin " la m%s peque3a en el denominador.
M#ESTRE" E! P">LACI"!ES 7I!ITAS.
/uando se da el muestreo con repeticin en poblaciones finitas e infinitas, la media
muestral presenta una distribucin de igual media que la poblacin " la arianza igual a
la de la poblacin diidida por el tama3o de la muestra.
SRu( ocurrir% cuando el muestreo es sin repeticinT
!n general se puede demostrar que la arianza muestral en el caso del muestreo sin
repeticin es igual a la arianza de la poblacin diidida por el tama3o de la muestra
2: