Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
6Activity
0 of .
Results for:
No results containing your search query
P. 1
Muestras Aleatorias y Distribuciones de Muestreo

Muestras Aleatorias y Distribuciones de Muestreo

Ratings: (0)|Views: 242 |Likes:

More info:

Published by: Kimberly Marin Torres on Sep 29, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/11/2014

pdf

text

original

 
Pag. 1Estadística IProf. Luis Ramírez
MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREODefinición
: Si las variables aleatorias x
1.
x
2
...........x
n
. tienen la misma función dedensidad de probabilidad que la de la distribución de la población, y su función dedistribución conjunta de probabilidad es igual al producto de las marginales, entoncesx
1
.x
2
............x
n
forman un conjunto de n variables aleatorias independientes eidénticamente distribuidas (IID) que constituyen
una muestra aleatoria de lapoblación.Definición:
Un
Parámetro
es una caracterización
 
numérica de la distribución de lapoblación de manera que describe, parcial o completamente la función de densidad depoblación de la característica de interés.
Definición
: Una
estadística
(un estadístico) es cualquier función de las variablesaleatorias que se observaron en la muestra, de manera que esta función no contienecantidades desconocidas.
Definición
:
La distribución de muestreo de una estadística
es la distribución deprobabilidad que puede obtenerse como resultado de un número infinito de muestrasaleatorias independientes, cada una de tamaño n provenientes de la población deinterés.
TEOREMA :
Sean x
1
.x
2
...........x
n
, un conjunto de variables aleatorias independientesnormalmente distribuidas con medias E(x
i
) =
y varianzas Var(x
i
) =
i2
, para i =1.2.......n. Si Y = a
1
x
1
+ a
2
x
2
+ ......+a
n
x
n
, en donde a
1
.a
2
...a
n
son constantes, entonces
“Y” es una variable aleatoria distribuida normalmente con media
E(y) = a
1
1
+ a
2
2
+......+ a
n
n
y varianza Var(y) = a
12
12
+ a
22
22
+...+ a
n2
n2
.
TEOREMA DEL LÍMITE CENTRAL :
 Sean x
1
.x
2.
........x
n
, n variables aleatorias independientes idénticamente distribuidas conmedia
y varianza
2
ambas finitas. La suma de esas variables S
n
= x
1
+x
2
+ ...+ x
n
esuna variable aleatoria con media
n
y varianza
n
2
, entoncesZ =
2 
nn
  
S
n
se distribuye como una normal N(0;1). En otras palabras, el teoremaexpresa que cuando n crece sin límite, la variable z tiende a distribuirse normalmente.Si las variables no son idénticamente distribuidas, se podría demostrar igualmente que:z =
-
2ii
  
 x
i
se distribuye como una normal N(0;1), es decir que la suma devariables independientes tiende a ser normal con media suma de medias y varianzasuma de varianzas.
 
Pag. 2Estadística IProf. Luis Ramírez
DISTRIBUCIÓN DE LA MEDIA MUESTRAL
 X 
:
 
Def.
Sea x
1
,x
2,…
x
n
 
una muestra aleatoria de tamaño “n” de una población con función
de densidad f(x) con media
 
 
y varianza σ
2
. La media muestral representada por
 x
, esla media aritmética de los elementos de la muestra, es decir:
nx x
n1ii
.
 Teorema:
Sea x
1
,x
2
,…..,x
n
, una muestra aleatoria que consiste de n variables aleatoriasindependientes normalmente distribuidas con medias E(x
i
) =
 
y varianzas Var(x
i
) = σ
2
,
i = 1,2, ……, n. Entonces la distribución de la media muestral
 x
es normal con media
 
 y varianza
n
 
2
. En efecto:E (
 x
) = E (
n
 x
i
) =
n
1
)(
x
i
 E 
= 1/n(n.μ)
E(
 x
) = μ.
 Var (
 x
) = Var
    
n
 x
i
=
n x
i
Var 
2
)(
=
n
n
22
 
Var (
 x
) =
n
 
2
.De aquí se tiene que
 x
~
N(μ,
n
 
2
.) Luego: Z =
n x
  
 
~
N(0,1)
Teorema
: Sean x
1
,x
2, ……..
x
n
una muestra aleatoria de tamaño n, de una distribución
normal con media μ y varianza σ
2
. Entonces z
i =
(x
i
 
 –
 
μ)/σ son variables aleatorias
normales estándar e independientes, i = 1,2,..,n y
ni
 z
12
=
    
n1i2
 -
 
 
 xi
tiene unadistribución
  
2
con n grados de libertadEn la tabla correspondiente a esta distribución, podemos encontrar valores de
  
 
2
tales que P (
  
2
>
  
 
2
) =
 
.
  
 
2
 
 
Pag. 3Estadística IProf. Luis Ramírez
La distribución de muestreo de S
2
:Teorema:
Sea X
1,
X
 
2,…,
X
n,
una muestra aleatoria de una distribución normal con
media μ y varianza σ
2
. Entonces:
21i2
x
 
n
i
 x
=
22
1
 
sn
tiene una distribución
  
2
con (n-1) grados de libertad.
 x
y s
2
son también variables aleatorias independientes.Ejemplo: Si X
1,
X
2,….,
X
10
es una muestra aleatoria de una población distribuidanormalmente con media 8 y varianza 9. Calcular la probabilidad de que la varianzamuestral sea mayor que 3,753
Definición
: Sea Z una variable aleatoria normal estándar y sea
  
2
una aleatoria Ji-cuadrada con v grados de libertad. Entonces si Z y
  
2
son independientes:T =
v Z 
2
  
se dice que tiene una distribución t con v grados de libertad.
Si no se conoce σ y n < 30, se tiene sustituyendo en la expresión anterior:
 T =
22
1)-(n1)s-(n-
   
n x
    
=
-
 xsn
 
~
t
n-1
g.l.
Distribución F
: Supóngase que deseamos comparar las varianzas de dos poblacionesnormales basados en la información contenida en muestras aleatorias independientesde las poblaciones. Supóngase que una muestra aleatoria contiene n
1
variablesaleatorias distribuidas normalmente con una varianza común
 
21
y que la otra muestraaleatoria contiene n
2
variables aleatorias distribuidas normalmente con una varianzacomún
 
22
. Si calculamos
s
21
de las observaciones en la muestra 1, entonces
s
21
esuna estimación de
 
21
. De manera similar
s
22
calculada a partir de las observacionesde la segunda muestra es una estimación para
 
22
. Así intuitivamente podríamospensar en utilizar
ss
2221
para hacer inferencias con respecto a las magnitudes relativas de
 
21
y
 
22
; si dividimos cada
s
21
por
 
21
entonces la razón siguiente:

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->