You are on page 1of 53

145

6.1. Introduccin
6.2. Conceptos bsicos
6.3. Muestreo aleatorio simple
6.4. Distribuciones asociadas al muestreo
6.4.1. Distribucin Chi-Cuadrado
6.4.2. Distribucin t de Student
6.4.3. Distribucin F de Snedecor
6.5. Distribucin de estadsticos muestrales
6.5.1. Concepto de estadstico y distribucin
muestral
6.5.2. Distribucin de la media muestral de
una poblacin Normal
6.5.3. Distribucin de la varianza muestral
de una poblacin Normal
6.5.4. Distribucin de la diferencia de
medias muestrales de dos poblaciones
Normales independientes
6.5.5. Distribucin del cociente de varianzas
muestrales de dos poblaciones Normales
independientes
6.5.6. Distribucin de la proporcin muestral
6.5.7. Distribucin de la diferencia de
proporciones muestrales
TEMA 6. INTRODUCCIN A LA
INFERENCIA ESTADSTICA
146
Anlisis Descriptivo
Clculo de Probabilidades
Inferencia Estadstica
Estimacin
Contraste de
Hiptesis
Muestra
Datos numricos
Estadsticos
Se extrae
Genera
Estimacin
Contraste
Utilizados
para obtener
Poblacin
Describir
6.1. Introduccin
Parmetros
Caractersticas
Poblacionales
147
Poblacin: Conjunto de elementos en los que se
observa alguna caracterstica comn
Observaciones: Valores que toma la caracterstica
observada en cada elemento de la poblacin
Muestra: Conjunto de unidades representativas de
una poblacin
Parmetro: Caracterstica numrica que describe una
variable observada en la poblacin
Estadstico: Funcin de los valores de la muestra
6.2 Conceptos bsicos
148
La inferencia estadstica esta basada en el
estudio de las muestras
La muestra debe ser representativa de la
poblacin para extraer conclusiones validas sobre
esta poblacin
La muestra debe ser aleatoria
149
Cada elemento de la poblacin tiene la misma
probabilidad de ser elegido para formar parte de la
muestra y cada muestra del mismo tamao tiene la misma
probabilidad de ser seleccionada
Muestra aleatoria simple de tamao n:
Sea una poblacin donde observamos la variable
aleatoria X.
Una muestra aleatoria simple, m.a.s., de tamao n, es un
conjunto de n variables aleatorias , que
verifican:
1 2
, ,...,
n
X X X
6.3 Muestreo aleatorio simple

n
X X X , , ,
2 1
K
Independientes entre s
Cada X
i
con idnticas caractersticas que X
150
El muestreo aleatorio simple en poblaciones finitas se
realiza con reemplazamiento, es decir:
Se selecciona un elemento de la poblacin al azar, se
observa el valor de la variable aleatoria X, se devuelve a
la poblacin y se vuelve a seleccionar otro elemento. As
hasta obtener los n elementos. Este procedimiento
garantiza la independencia de las observaciones
La seleccin aleatoria de los elementos se realiza con
una tabla de nmeros aleatorios, o con algn
procedimiento informtico
Muestreo aleatorio simple
151
Poblacin en la que se observa la variable X
Se decide extraer una muestra aleatoria simple de tamao
n, compuesta por las variables aleatorias X
1
, X
2
,....,X
n
Se seleccionan n elementos de la poblacin
Los elementos seleccionados generan n nmeros
x
1
, x
2
,....,x
n
, valores observados de
las variables aleatorias X
1
, X
2
,...,X
n
Muestra
Poblacin
Pasos de un muestreo
152
En un instituto se quiere realizar un estudio sobre el
nivel de colesterol de los alumnos. Para ello, se decide
extraer una muestra aleatoria simple de tamao 10
9 Poblacin Alumnos del instituto
Se seleccionan 10 alumnos y sus niveles de colesterol son:
129, 170, 135, 140, 225, 163, 131, 203, 187, 149
9 Valores observados de las variables aleatorias
X
1
, X
2
,...., X
10
Ejemplo en poblaciones finitas
9 Variable aleatoria, X Nivel de colesterol
9 Muestra aleatoria simple, de tamao 10
Variables aleatorias X
1
, X
2
,....,X
10
X
i
, nivel de colesterol del i-simo alumno seleccionado
. ; ; ; ;
; ; ; ; ;
149 187 203 131 163
225 140 135 170 129
10 9 8 7 6
5 4 3 2 1
= = = = =
= = = = =
x x x x x
x x x x x
153
Se analizan muestras de agua de un ro para estudiar el
ndice de diversidad de especies. Este ndice se utiliza para
medir el efecto de una perturbacin, como la
contaminacin del agua, en seres vivos. Puede
determinarse la diversidad de la poblacin antes y despus
de la perturbacin. Si el ndice tras la perturbacin es
mucho mas pequeo indica que la perturbacin ha tenido
efectos negativos. Para esto, se decide extraer una muestra
aleatoria simple de tamao 8
9 Poblacin Posibles anlisis del agua
9 Variable aleatoria, X ndice de diversidad
Se realizan 8 anlisis y sus ndices de diversidad son:
1.92; 1.87; 1.35; 1.48; 2.13; 1.85; 2.07; 1.98
9 Valores observados de las variables aleatorias
X
1
, X
2
,...., X
8
9 Muestra aleatoria simple
Variables aleatorias X
1
, X
2
,...., X
8
X
i
:ndice de diversidad del i-simo anlisis realizado
1 2 3 4
5 6 7 8
1,92; 1,87; 1, 35; 1, 48;
2,13; 1,85, 2, 07; 1,98


x x x x
x x x x
= = = =
= = = =
Ejemplo en poblaciones infinitas
154
6.4 Distribuciones asociadas al muestreo
6.4.1 Distribucin Chi-Cuadrado
Sean n variables aleatorias, X
1
, X
2
,....X
n
, que verifican:
Independientes entre s
X
i
N( 0; 1 )
Definimos la variable aleatoria X como:
La variable aleatoria X sigue una distribucin Chi-
Cuadrado con n grados de libertad
2 2
2
2
1
....
n
X X X X + + + =
X
2
n

G. Libertad
10
Distribucin Chi-Cuadrado
x
f(x)
0 10 20 30 40
0
0.04
0.08
0.12
155
9 Esperanza matemtica
9 Varianza
9 Para valores grandes de n, la distribucin Chi-
Cuadrado se aproxima a la distribucin Normal. La
aproximacin se considera aceptable para n > 30
n
n
=
(

2
E
n
n
=
(

2
Var
G. Libertad
10
20
30
Distribucin Chi-Cuadrado
f(x)
0 20 40 60 80
0
0.04
0.08
0.12
156
6.4.2 Distribucin t de Student
Definimos la variable aleatoria X como:
La variable aleatoria X sigue una distribucin t de
Student con n grados de libertad
Z
X
Y
n
=
Sean las variables aleatorias, Y y Z, que verifican:
Z
Y
Independientes
N ( 0; 1 )
2
n

Normal
t-Student
Contraste Distribuciones
f(x)
-6 -4 -2 0 2 4 6
0
0.2
0.4
n
t X
157
9 Esperanza matemtica
9 Varianza
9 Para valores grandes de n, la distribucin t de Student
se aproxima a la distribucin Normal. La aproximacin
se considera aceptable para n > 30
Var
2
n
n
n
t
(
=


E 0
n
t
(
(

=
G. Libertad
10
20
30
Distribucin t-Student
f(x)
-8 -4 0 4 8
0
0.1
0.2
0.3
0.4
158
Definimos la variable aleatoria X como:
La variable aleatoria X sigue una distribucin F de
Snedecor con n y m grados de libertad
6.4.3 Distribucin F de Snedecor
Sean las variables aleatorias, Y y W, que verifican:
Y
W
Independientes
2
m

2
n

X
n, m
F
Y
n
X
W
m
=
G. Libertad
10,10
Distribucin F de Snedecor
f(x)
0 1 2 3 4 5
0
0.2
0.4
0.6
0.8
159
9 Para valores grandes de n y m, la distribucin F de
Snedecor se aproxima a la distribucin Normal.
G. Libertad
5,10
10,20
30,30
Distribucin F de Snedecor
f(x)
0 1 2 3 4 5
0
0.4
0.8
1.2
160
Estadstico: Una funcin de los valores de la
muestra. Es una variable aleatoria, cuyos valores
dependen de la muestra seleccionada. Su distribucin de
probabilidad, se conoce como Distribucin muestral del
estadstico
Sea una poblacin donde se observa la variable
aleatoria X. Esta variable X, tendr una distribucin de
probabilidad, que puede ser conocida o desconocida, y
ciertas caractersticas o parmetros poblacionales
6.5 Distribucin de estadsticos muestrales
Estadsticos muestrales
Parmetros poblacionales
Inferencia
6.5.1 Concepto de estadstico y
distribucin muestral
161
Definimos los siguientes estadsticos muestrales:
9 Media muestral:
9 Varianza muestral:
9 Cuasi-Varianza muestral:
n
n
X X X
X
+ + +
=
....
2 1
( )
1
2
2
1
n
i
i
X X
S
n
=

Sea una poblacin donde se observa la variable aleatoria X


Consideramos una muestra aleatoria simple, m.a.s., de
tamao n, formada por las v.a. X
1
, X
2
,....X
n
[ ] [ ]
2
Var E = = X X ;
[ ]
[ ]

=
=
2
2 1
Var
E
s entre ntes Independie

X
X
X X X
n
, , , K
( )
n
X X
n
i
i


=
=1
2
0
2

162
Consideramos todas las posibles muestras de tamao n
9 Esperanza matemtica:
9 Varianza:
9 Su distribucin de probabilidad
Distribucin de la media muestral
j
X X X
2
2
2
1
2
j
X X X
1
2
1
1
1
j
i i i
X X X
2 1
j
n n n
X X X
2 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Muestra Muestra Muestra
1 2 j
K K
2 1 j
x x x
X
E X
(
=

La variable aleatoria toma los valores:
X
1 2
, ,.., ..
j
x x x
2
X
Var X
(
=

163
Los estadsticos muestrales, media, varianza y cuasi-
varianza verifican las siguientes propiedades:
9 Media muestral:
9 Varianza muestral:
9 Cuasivarianza muestral:
Estas propiedades se verifican siempre, cualquiera
que sea la distribucin de la variable X
X
E X
(
= =

2
2
X
Var X
n

(
= =

2 2
E S =
(

[ ]
2 2
1

n
n
E

=

164
Sea una v.a. X con valores: 1, 3, 5. Consideramos una
m.a.s. de tamao 2. Obtener:
1.- Media y varianza de la v.a. X
2.- Media y varianza de la v.a. X
1 / 3 5
1 / 3 3
1 / 3 1
P( X ) X
1.-
[ ]
1 1 1 9
1 3 5 3
3
3 3 3
E X = = + + = =
[ ]
2 2 2
E X E X
(
= =
(

[ ]
3 E X = =
2
8
3
=
Ejemplo en poblaciones infinitas
1 1 1 8
2 2 2 2
1 3 5 3
3 3 3 3
= + + =
165
2.-
5 5 5
4 3 5
3 1 5
4 5 3
3 3 3
2 1 3
3 5 1
2 3 1
1 1 1
x
2
x
1
1/ 9
5
2/ 9
4
3/ 9
3
2/ 9
2
1/ 9
1
1 2
1 2 3
9 9
1
. . . 5
9
X
E X
(
= = +

+ + =
2
2
2
[ ]
X
Var X E X E X
(
( = = =


2 2 2
1 1 4
1 . . . 5 3
9 9 3
= + + =
3 E X ( = =

2
4 8 3
3 2
Var X
n

( = = =

x
X ( )
P X
166
Caso A. Varianza poblacional,
2
, conocida
6.5.2. Distribucin de la media muestral
de una poblacin Normal
Distribucin de la media muestral
Caso B. Varianza poblacional,
2
, desconocida
Caso C. Varianza poblacional,
2
, desconocida.
Muestras grandes
Sea una poblacin donde se observa la variable
aleatoria X . Supongamos que X N ( , )
Independientes entre si
X
i
( ) , N
1 2
, ,. . . , X X X
n
Consideramos una muestra aleatoria simple, m.a.s.,
de tamao n, formada por las v.a., ,..., ,
2 1 n
X X X
167
Caso A. Varianza poblacional,
2
, conocida
1
1
n
X
i
i
X
n

=
=
La variable aleatoria media muestral:
Tiene distribucin Normal
( )
0; 1
X
Z N
n

=
Por lo tanto
Distribucin de la media muestral
, X N
n

| |

|
\ .
168
tiene una distribucin t de Student con n 1 g. l.
El estadstico T, definido como:
El estadstico T, definido como:
n
S
X
T

=
n
S
X
T

=
1

=
n
t
n
S
X
T

tiene una distribucin Normal, T N( 0; 1)
Caso B. Varianza poblacional,
2
, desconocida
Caso C. Varianza poblacional,
2
, desconocida.
Muestras grandes, n > 30
169
Teorema Central del Limite
Sea , una m.a.s., de tamao n de una
poblacin con distribucin de probabilidad no
especificada, con media y desviacin tpica
1 2
, ,..., X X X
n

La variable aleatoria Z, definida como:
tiene una distribucin, aproximadamente, N ( 0, 1 )
n
X
Z


=
9 La aproximacin es aceptable para n > 30
170
Se est estudiando el tiempo transcurrido entre la
polinizacin y la fertilizacin, X, en una especie de
conferas. Supongamos que la variable X est
normalmente distribuida con una media de 6 meses y una
desviacin tpica de 2 meses. Consideramos una m.a.s. de
tamao 25.
Obtener la probabilidad de que el tiempo medio
transcurrido en la muestra entre la polinizacin y la
fertilizacin sea como mximo de 6,3 meses
( )
6 6
0; 1
2 0.4
25
X X X
Z N
n


= = =
= =
|
|
.
|

\
|

= ) 75 . 0 (
4 . 0
6 3 . 6
4 . 0
6
) 3 . 6 ( Z
X
X P P P
7734 . 0 2266 . 0 1 ) 75 . 0 ( 1 = = = Z P
Ejemplo: Distribucin de la media muestral
Varianza poblacional conocida
( ) ( ) 2 6 ido transcurr Tiempo ; ; " :" N N X =
171
Se est realizando un estudio sobre la calidad del aire
en una zona. Uno de los indicadores de la calidad del aire
es el nmero medio de microgramos de partculas en
suspensin por metro cbico. Supongamos que la
variable X: Nmero de microgramos de partculas, est
normalmente distribuida.
Se hacen 16 mediciones, en las que se obtiene una
cuasidesviacin tpica de 10.8585 unidades. Obtener la
probabilidad de que la media muestral no difiera de la
media poblacional en ms de 8 unidades.
15 1
14
3.5
16
n
X X X
T
S
n
t t


= = = =
( )
( )
8 8 8 X P X P = =
Ejemplo: Distribucin de la media muestral
Varianza poblacional desconocida
( ) = =
|
|
|
|
.
|

\
|

= 947 . 2 947 . 2
16
8585 . 10
8
16
8585 . 10
8
15
t P X P
( ) 99 . 0 01 . 0 1 005 . 0 2 1 947 . 2 2 1
15
= = = = t P
172
2. Se hacen 36 mediciones en las que se obtiene una
cuasidesviacin tpica de 12 unidades. Obtener la
probabilidad de que la media muestral no difiera de la
media poblacional en ms de 5 unidades.
( )
( )
5 5 5 X X P P = =
( ) 1 ; 0
2
36
12
35
N t
X X
n
S
X
T

=

( )
98758 . 0 00621 . 0 2 1
5 . 2 5 . 2
2
5
2
5
2
5
= =
= =
|
.
|

\
|

= Z P
X
P
173
Supongamos que el n de barriles de petrleo que
produce un pozo al da es una v.a. con distribucin no
especificada. Si se observa la produccin en 64 das y se
sabe que la desviacin tpica del n de barriles por da es
16, obtener la probabilidad de que la media muestral se
encuentre a no ms de 4 barriles del verdadero valor de
la produccin media diaria
Ejemplo: Teorema central del lmite
16
64" da el barriles de N " :

" da el barriles de N " :

2" da el barriles de N " :
1" da el barriles de N " :
64
2
1
=

i
X
X
i X
X
X
i

M
M
|
.
|

\
|

= > =
n
N
n
X
X n
i

; 30 64
( ) 2 ;
64
16
; N N X =
|
.
|

\
|

174
( )
16
; ; ; 2
64
X N N N
n


| | | |
= =
| |
\ . \ .
(0; 1)
2
X X
Z N
n


= =
( ) ( )
( )
( ) 9544 . 0 0228 . 0 2 1 2 2 1
2 2
2
4
2 2
4
4 4 4
= = =
= =
|
.
|

\
|

=
= =
Z P
Z P
X
P
X P X P


175
Caso A. Media poblacional, , conocida (*)
6.5.3. Distribucin de la varianza muestral
de una poblacin Normal
Distribucin de la varianza muestral
Caso B. Varianza poblacional, , desconocida
Sea una poblacin donde se observa la variable
aleatoria X . Supongamos que X N ( , )
Independientes entre si
X
i
( ) , N
1 2
, ,. . . , X X X
n
Consideramos una muestra aleatoria simple, m.a.s.,
de tamao n, formada por las v.a., ,..., ,
2 1 n
X X X
(*) Este caso no se incluye en los contenidos del curso
176
El estadstico , definido como:
2

tiene una distribucin Chi-Cuadrado con n 1 grados de


libertad
Distribucin de la varianza muestral
Media poblacional, , desconocida
( )
2
2
2
2
2
1

S n n
= =

( )
2
1
2
2
2
2
2
1

= =
n
S n n


177
Se considera una medicin fsica realizada con un
instrumento de precisin, donde el inters se centra en la
variabilidad de la lectura. Se sabe que la medicin es una
v.a. con distribucin Normal y desviacin tpica 4
unidades. Se toma una m.a.s. de tamao 25.
Obtener la probabilidad de que el valor de la varianza
muestral sea mayor de 12.16 unidades cuadradas.
Ejemplo: Distribucin de la varianza muestral
( )
2
1
2
2
2
2
2
1

= =
n
S n n


( )
25
4 ; Medicin" " :
=

n
N X
i

( )
( ) 75 . 0 19
16
16 . 12 25
16 . 12

16 . 12

2
1
2
1
2 2
2
2
= =
|
.
|

\
|

=
=
|
|
.
|

\
|
=
n n
P P
n n
P P

178
6.5.4. Distribucin de la diferencia de
medias muestrales de dos poblaciones
Normales independientes
Consideramos:
Sean las variables aleatorias X e Y tales que
X
Y
( , )
X X
N
Independientes
( , )
Y Y
N
1 2
x
, ,...,
n
X X X
m.a.s. de tamao n
X
de X 2
,
X
X S
1 2
, ,...,
Y
n
Y Y Y
2
,
Y
Y S
m.a.s. de tamao n
Y
de Y
( )
( )

=
= =
= =
Y Y
X X
n
i
i
Y
Y
n
i
i
Y
n
i
i
X
X
n
i
i
X
Y Y
n
S Y
n
Y
X X
n
S X
n
X
1
2 2
1
1
2 2
1
1
1

1
1
1

1
179
Distribucin de la diferencia de medias
Caso A. Varianzas poblacionales conocidas
Caso B. Varianzas poblacionales
desconocidas, pero iguales
Caso C. Varianzas poblacionales
desconocidas, distintas o no, con
n
X
, n
Y
> 30
180
Por lo tanto
La variable aleatoria, , tiene distribucin Normal
X Y
Distribucin de la diferencia de medias
Caso A. Varianzas poblacionales conocidas
2 2
( ),
X Y
X Y
X Y
n n
N


| |
|
+
|
|
\ .
2 2
( 0 ; 1 )
( ) ( )
X Y
X Y
X Y
X Y
n n
Z N



=
+

181

2 2
X Y
=
El estadstico T, definido como:
tiene una distribucin t de Student con
grados de libertad
2
X Y
n n +
Caso B. Varianzas poblacionales
desconocidas, pero iguales
( )
2

1 1
( )
X Y
X Y
X Y
p
X Y
T
n n
S
n n
t

+

=
+

( )
1 1
( )
X Y
X Y
p
X Y
T
S
n n

=
+
( )
( )
2 2
2
1 1
2
X X Y Y
p
X Y
n S n S
S
n n
+
=
+
donde:
182
tiene distribucin Normal
El estadstico Z, definido como:
Caso C. Varianzas poblacionales desconocidas
distintas o no, con n
X
, n
Y
> 30
( )
( )
2 2
0;1 N
( )
X Y
X Y
X Y
X Y
Z
S S
n n

=
+

( )
2 2
( )
X Y
X Y
X Y
X Y
Z
S S
n n

=
+
183
Los niveles de radiacin latente en dos regiones A y B
siguen distribuciones Normales independientes de medias
0.48 y 0.4663 y varianzas 0.2 y 0.01 rem por ao,
respectivamente. Se realizan 25 mediciones en la regin A y
100 en la B. Obtener la probabilidad de que la media de la
muestra A sea como mximo 0.2 rem superior a la media de
la muestra B.
Ejemplo: Distribucin de la diferencia de medias
Varianzas poblacionales conocidas
( )
( ) 100 ; 01 . 0 ; 4663 . 0
25 ; 2 . 0 ; 48 . 0
B" en latente radiacin Nivel " :
A" en latente radiacin Nivel " :
=
=
Y
X
n N Y
n N X
Y
X
( )
( ) 1 ; 0
2 2
N
n n
Y X
Z
Y
Y
X
X
Y X

+

=


184
( ) ( )
( ) ( )
( ) ( )
9808 . 0 0192 . 0 1
07 . 2 1 07 . 2
0001 . 0 008 . 0
0137 . 0 2 . 0
2 . 0
2 . 0 2 . 0
2 2 2 2
= =
= = =
=
|
.
|

\
|
+

=
=
|
|
|
|
|
.
|

\
|
+

+

=
= = +
Z P Z P
Z P
n n n n
Y X
P
Y X P Y X P
Y
Y
X
X
Y X
Y
Y
X
X
Y X




( )
( ) 1 ; 0
2 2
N
n n
Y X
Z
Y
Y
X
X
Y X

+

=


185
Se est realizando un estudio sobre la calidad del aire
en dos zonas A y B. Un indicador de la calidad es el
nmero de microgr. de partculas en suspensin por m
3
de
aire, que suponemos siguen distribuciones Normales
independientes de media 62.237 en A, 61.022 en B y
varianzas iguales. En la zona A se realizan 12 mediciones,
obtenindose una cuasi-varianza de 8.44 microgr
2
y en la
B 15 mediciones, con una cuasi-varianza de 9.44
microgr
2
. Obtener la probabilidad de que la media
muestral de A sea como mnimo tres unidades superior a
la media muestral de B.
Ejemplo: Distribucin de la diferencia de medias.
Varianzas poblacionales desconocidas,
pero iguales
( )
( )

; 022 . 61 ; B" en aire del Calidad " :


; 237 . 62 ; A" en aire del Calidad " :
N Y Y
N X X

44 . 9 ; 15
44 . 8 ; 12
2
2
= =
= =
Y Y
X X
s n
s n
186
( )
( )

; 022 . 61 ; B" en aire del Calidad " :


; 237 . 62 ; A" en aire del Calidad " :
N Y Y
N X X

44 . 9 ; 15
44 . 8 ; 12
2
2
= =
= =
Y Y
X X
s n
s n
( )
( ) ( )
( ) 05 . 0 708 . 1
15
1
12
1
3
015 . 1 3
1 1
3
1 1
3
25 25
= =
|
|
|
|
.
|

\
|
+

=
=
|
|
|
|
.
|

\
|
+

+

=
=
t P t P
n n
S
n n
S
Y X
P
Y X P
Y X
p
Y X
Y X
p
Y X

( ) ( )
( )
9
2
1 1
2 2
2
=
+
+
=
Y X
Y Y X X
p
n n
S n S n
S
187
Se estudia el efecto de un vertido txico en un ro,
comparando el ndice de biodiversidad I.B-D. antes y
despus del vertido.
Supongamos que los I.B-D. siguen distribuciones
Normales. Antes del vertido se haban realizado 35
pruebas y se obtuvo una media de 1.9 y una cuasi-
desviacin tpica de 0.4. Despus del vertido se realizan
40 pruebas y se obtiene una media de 1.7 y una cuasi-
desviacin tpica de 0.7.
Obtener la probabilidad de que la media poblacional
antes del vertido sea como mximo 0.5 unidades inferior
a la media poblacional despus del vertido.
( ) ( )
( )
2 2
0; 1
X Y
X Y
X Y
N
X Y
Z
S S
n n


=
+
Ejemplo: Distribucin de la diferencia de medias
Varianzas poblacionales desconocidas.
Muestras grandes
( )
( )
Y Y
X X
N Y
N X


;
;

vertido" del despus D - I.B " :


vertido" del antes D - I.B " :
7 0 7 1 40
4 0 9 1 35
. ; .
. ; . ;
= = =
= = =
Y Y
X X
S Y n
S X n
188
( )
( )
Y Y
X X
N Y
N X


;
;

vertido" del despus D - I.B " :


vertido" del antes D - I.B " :
7 0 7 1 40
4 0 9 1 35
. ; .
. ; . ;
= = =
= = =
Y Y
X X
S Y n
S X n
( )
( ) ( )
( )
( ) ( )
9896 . 0 0104 . 0 1
313 . 2 1 313 . 2
40
7 . 0
35
4 . 0
7 . 1 9 . 1 5 . 0
5 . 0
2 . 0
2 2
2 2 2 2
= =
= = =
=
|
|
|
|
|
.
|

\
|
+

=
=
|
|
|
|
|
.
|

\
|
+

+

=
=
Z P Z P
Z P
n
S
n
S
n
S
n
S
Y X
P
Y X P
Y
Y
X
X
Y X
Y
Y
X
X
Y X

189
6.5.5. Distribucin del cociente de varianzas
muestrales de dos poblaciones
Normales independientes
Consideramos:
Sean las variables aleatorias X e Y tales que
X
Y
( , )
X X
N
Independientes
( , )
Y Y
N
1 2
x
, ,...,
n
X X X
m.a.s. de tamao n
X
de X 2
,
X
X S
1 2
, ,...,
Y
n
Y Y Y
2
,
Y
Y S
m.a.s. de tamao n
Y
de Y
2 2
1
1
1
( )
X
i
X
X
n
i
X X
n
S
=
=


1
1
X
i
X
n
i
X X
n
=
=

1
1
Y
j
Y
n
j
Y Y
n
=
=

2 2
1
1
1
( )
Y
j
Y
Y
n
j
Y Y
n
S
=
=


190
2 2
2 2
1 1

,
X Y
X Y
Y X
S
S
F
n n
F


El estadstico F, definido como:
2 2 2 2
2 2 2 2
X X X Y
Y Y Y X
S S
S S
F

= =

Distribucin del cociente de


varianzas muestrales
tiene una distribucin F de Snedecor con ,
grados de libertad
1 1
Y X
n n ,
191
Se est comparando la variabilidad de los I.B-D de dos
ros A y B, que suponemos siguen distribuciones
Normales. Se realizan 16 mediciones en el ro A y se
obtiene una cuasi-varianza de 9.52, y 18 mediciones en el
ro B y se obtiene una cuasivarianza de 7.
Obtener la probabilidad de que la varianza en el ro B
sea como mnimo el doble de la varianza en el ro A.
Ejemplo: Distribucin del cociente de varianzas
muestrales
2 2
2 2
1 1

,
X Y
X Y
Y X
S
S
F
n n
F


( )
( )
Y Y
X X
N Y
N X


;
;

B" ro el en D - I.B " :


A" ro el en D - I.B " :
( ) =
|
|
.
|

\
|
=
|
|
.
|

\
|
=
2
2
2 2
2 2
2
2
2 2
2 2 2
Y
X
X Y
Y X
X
Y
X Y
S
S
S
S
P P P


( ) 025 0 72 2
7
52 9
2
17 15 17 15
. .
.
, ,
= =
|
.
|

\
|
= F P F P
192
Consideramos una variable aleatoria X B( n; p),
donde p es la proporcin de xitos en la poblacin
Para tamaos grandes de n, n > 30, la distribucin
Binomial se aproxima a una distribucin Normal :
6.5.6. Distribucin de la proporcin muestral
Definimos el estadstico proporcin muestral como:
( ) npq np N X ;
n
X
p =

193
El estadstico proporcin muestral :
Verifica que:
Por lo tanto:
Distribucin de la proporcin muestral
n
X
p =

|
.
|

\
|

n
pq
p N p ;

( ) 1 0;

N
n
pq
p p
Z

=
194
Se quiere probar una terapia de grupo para dejar de
fumar. Para ello se toma una m.a.s. de 50 fumadores. Se
sabe que las personas que llevan al menos 10 aos
fumando tienen ms dificultades para dejar de fumar, y
que el 38% de los fumadores llevan al menos 10 aos
fumando. Por ello, se decide separar unos de otros si
entre los fumadores elegidos ms de un 19% llevan ms
de 10 aos fumando. Obtener la probabilidad de que se
decida separarlos.
( ) ( )
1 2.769 1 2.769 1 0.0028 0.9972 P Z P Z = = = =
Ejemplo: Distribucin de la proporcin muestral
muestra la en aos, 10 con fumadores de Proporcin " :
poblacin la en aos, 10 con fumadores de Proporcin " :

p
p

( ) 068 0 38 0
50
62 0 38 0
38 0 . ; .
. .
; . ;

N N
n
pq
p N p = |
.
|

\
|
= |
.
|

\
|

( ) 1 0
068 0
38 0
;
.
.

N
p
n
pq
p p
Z

=
( ) ( ) = =
|
.
|

\
|

= 769 2
0686 0
38 0 19 0
0686 0
38 0
19 0 .
.
. .
.
.

Z P
p
P p P
195
6.5.7. Distribucin de la diferencia de
proporciones muestrales
Sean las variables aleatorias X e Y tales que
Para grandes, se verifica:
X Y
n y n
( )
;
X X X X X
N n p n p q
X
Y ( )
;
Y Y Y Y Y
N n p n p q
Definimos las proporciones muestrales como:
( )
( )
ntes Independie


)
`

Y Y
X X
p n B Y
p n B X
;
;
Y
Y
X
X
n
Y
p
n
X
p
=
=

196
Definimos el estadstico diferencia de proporciones
muestrales:
Se verifica que:
Distribucin de la diferencia de proporciones
muestrales
; Y X p p

=
=
Y
Y
X
X
Y X
n
Y
p
n
X
p
p p


: donde ; -
( ) ( )
( ) 1 0;

N
n
q p
n
q p
p p p p
Z
Y
Y Y
X
X X
Y X Y X

+

=
197
Se sabe que en una poblacin el 28% de las mujeres y
el 25% de los hombres son fumadores. Se extraen
muestras de 42 mujeres y 40 hombres. Determinar la
probabilidad de que las mujeres fumadoras superen a los
hombres fumadores en al menos el 4%.
Ejemplo: Distribucin de la diferencia de
proporciones muestrales
( ) ( ) ( ) ( )
40
75 0 25 0
42
72 0 28 0
25 0 28 0
. . . .
. .


=
+

=
Y X
Y
Y Y
X
X X
Y X Y X
p p
n
q p
n
q p
p p p p
Z
p
X
: Proporcin de mujeres fumadoras en la poblacin
p
Y
: Proporcin de mujeres fumadoras en la poblacin
Proporcin de mujeres fumadoras en la muestra
Proporcin de mujeres fumadoras en la muestra
:
X
p

:
Y
p

( )
( ) 1 0
0974 0
03 0
;
.
.

N
p p
Y X


=
( ) ( )
( )
( ) 4602 0 0103 0
974 0
03 0 04 0

0974 0
03 0 04 0
0974 0
03 0

04 0 04 0
. .
.
. .
.
. .
.
.

.

.

= =
|
.
|

\
|

=
=
|
.
|

\
|


=
= = +
Z P Z P
p p
P
p p P p p P
Y X
Y X Y X