[Escriba aquí

]
Pedro J. Espinosa
Psicología
Universitat de Barcelona
Estadística
    Distribución Muestral de un estadístico:
Hemos conceptualizado anteriorment un estimador puntual com un
estadistico obtenido en una muestra y que es funciín de los valores que la
componen. Por tanto, si consideramos que las muestras se han obtenido
por muestreo aleatorio, los estadisticos que calculamos en estas muestras
pueden ( y de hecho deben) ser conceptualizados como variables aleatorias.
Bajo la denominación Distribucdión muestral de un estadístico recogemos el
modelo teórico de
probabilidad
que, bàsicament, describe el
comportamiento de la variable aleatòria definida por el conjumntop de
estadísticos calculados a lo largo de las diferentes muestra de igual tamaño
que podrían generarse a partir de una población. Considerando un muestreo
con rfeposición el numero de muestras sería infinito.
La Distribución Muestral constituye un concepto teórico, ya que en la
pràctica generamos una muestra y calculamos sobre ella un estadístico.
Si a partir de una poblacióin caracteritzada por un parametro X generamos
todas las posiubles muestras de tamaño n, el conjunto de estadísticos
obtenidos a partir de cada una de las muestras constituiran la Distribución
Muestral del estadístico.
¿Qué utilidad tiene conocer las características de la Distribución Muestrak
de un Estadístico ?

En primer lugar : evaluar las propiedades de los estimadores( que hemos
planteado con anterioridad ). Por ejemplo, a partir de la esperanza
matemàtica, determinar si el estimador presenta sesgo o, mediante su
variància, analitzar la eficiència diferencial de los estimadores.
En segundo lugar: tambiénb nos permitirá establecer estimacions por
intervalo del parámetro poblacional, tal como veremos más adelante.

¿ Qué características presenta la Distribución Muestral de un Estadístico ?

No se conocen las caracteísticas de la distribución de todos lo
estadistícos, però a partir de la Ley de los grandes números y el Teorema
del límite central, ha sido possible identificarlas de forma teòrica para
algunos estadísticos. Para los que no se conoce puede aproximarse
mediante un proceso de simulaciión numèrica. ( Montecarlo, Boostrap...)

Distribución Muestral de Medias :
Conforme al teorema del límite central la distribución de muestreo del
estadístico media es asintóticamente normal. Es decir, se ajusta a un
modelo de proibabilidad normal a medida que el tamaño de la muestra
sobre la que se calcula el estadístico tiende a infinito.
Donde
representa la Media de la Distribución Muestral y
sería la
Desviación estándar de lña distribución Muestral, habitualmente también
designada como Error Típico o Error Estándar de la Distribución Muestral
.

disminuirá el error estándar de la Distribución Muestral. Como elemento a destacar. la aproximación a la distribución de probabilidad normal es buena para valores grandes de n siguiendo el teorema del límite central. pues.  Para la Media  Para el Error típico: Si el muestreo se ha realizado con reposición o bien a partir de una población infinita: En caso que el muestreo se haya realizado a partir de una población infinita y sin reposición: Donde y son respectivamente la media y la desviación estándar de la Variable Aleatoria medida en la población y la siguiente expresión: que es el coeficiente de corrección por infinitud. para garantizar que las características distribucionales de la distribución Muestral de Medias coinciden con las anteriormente descritas. en un muestreo con reemplazo a partir de una población finita serían: /// En caso de que el muestreo se haya realizado a partir de una población finita y sin reposición: . Espinosa Psicología Universitat de Barcelona Estadística Los parámetros que caracterizan la distribución Muestral del Estadístico son función de los parámetros de la variable Aleatoria poblacional. La convergencia.     Distribución Muestral de Sumas: Conforme el Teorema del límite central. será necesario que la Variable Aleatoria se distribuya normalmente en la población origen de la muestra. se producirá con independencia de las características de la variable aleatoria en la población siempre que al menos la media y la variancia poblacionales sean finitas. Puesto que la convergencia es asintótica. la distribución del muestreo del estadístico suma también es asintóticamente normal. Conforme esta última aumente.[Escriba aquí] Pedro J. En el caso de que el valor de n sea pequeño. Por lo que respecta a sus parámetros. El cumplimiento de esta condición es por sí sola garantía suficiente en cualquier caso (sea cual sea el tamaño muestral). obsérvese cómo el error típico presenta una relación inversa con el tamaño de la muestra.

[Escriba aquí] Pedro J. las características distribucionales y los requerimientos que deben cumplirse para algunos casos:  Distribución Muestral de la Desviación Estándar : - Para n=100 la distribución para muestral el error es casi normal: típico tenemos dos expresiones: Si la distribución de la variable aleatoria a nivel poblacional es aproximadamente normal : . Esto es así puesto que estos modelos de probabilidad establecerían la distribución de muestreo exacta del estadístico. la distribución de muestreo del estadístico proporción también es asintóticamente normal. En caso de que no lo sea: . en un muestreo a partir de una población finita serían: En caso de que el muestreo haya se haya realizado a partir de una población finita y sin reposición: . En realidad.  Distribución Muestral de la Mediana: - Para n=30 y la población aproximadamente normal la distribución muestral es muy aproximadamente normal. con reemplazo Por lo que respecta a sus parámetros. A continuación identificaremos los parámetros (para muestreo infinito o con reposición).  Otras distribuciones muestrales: Las distribuciones muestrales para algunos estadísticos se hallan específicadas y son conocidas bajo determinadas circunstancias. . Con este estadístico sería más adecuado caracterizar la distribución de muestreo mediante el modelo de probabilidad Binomial para poblaciones finitas con reposición o el modelo Hipèrgeométrico para poblaciones finitas sin reposición. el teorema del límite central es aplicable a la distribución del estadístico proporción únicamente si los productos n y n(1 ) son iguales o superiores a 5. y . Espinosa Estadística Psicología Universitat de Barcelona     Distribuciones Muestral de Proporciones: Conforme al teorema del límite central.

la distribución muestral es aproximadamente normal.  Distribución Muestral de Variancia: Para n=100 la distribución muestral es casi normal porque: - - Independientemente del valor de n. la distribución muestral es aproximadamente normal y es csi igual al Rango Semiincuartil en la población. Donde v= n-1 . para variables aleatorias con distribución normal en loa población: - .  Distribución Muestral de los Cuartiles: - Para n=30 y variable aleatoria con distribución aproximadamente normal.  Distribución Muestral de Deciles: Para n=30 y variable aleatoria con distribución aproximadamente normal.[Escriba aquí] Pedro J. Espinosa Estadística - Psicología Universitat de Barcelona Existe también una expresión de cálculo del Error Estándar en base a indicadores de posición: donde . la distribución muestral es aproximadamente normal:  Distribución Muestral de los Rangos Semiintercuartiles: Para n=30 y variable aleatoria con distribución aproximadamente normal.  Distribución Muestral del coeficiente de Variación: Para variables aleatorias con distribución normal ( o casi normal ) y n=100 ( o más grande que 100 ) la distribución muestral es normal con: .

En este proceso de estimación se utilizan índices y coeficientes estadísticos. Estos parámetros. se desprende la necesidad de un tipo ded razonamiento cuyo objetivo sea realizar extrapolaciones sobre los parámetros de las variables aleatorias en la población a partir de una parte de los individuos pertenecientes a la misma. que utilizan la información contenida en la muestra. Por tanto. Por tanto. Espinosa Estadística  Psicología Universitat de Barcelona Inferencia Estadística. conocidos como estimadores. El proceso mediante el cual se obtiene información sobre el valor de los parámetros de las variables aleatorias en la población a partir de datos muestrales se denomina estimación. pero eso no siempre es posible en términos de costes. que pueden corresponder a una parte de la población. Muestreo y estimadores:  Introducción: Por medio de la estadística descriptiva caracterizamos una o varias variables aleatorias. Las técnicas de la inferencia estadística permiten poner a pruebas una hipótesis. en cambio. Este es el objetivo principal de la inferencia estadística y. debemos conocer cómo obtener muestras que representen adecuadamente al conjunto de individuos de la población de referencia. ya sean económicos o temporales. para obtener información sobre el valor de los parámetros.[Escriba aquí] Pedro J. utilizar la información contenido en los datos muestrales para realizar inferencias sobre el valor de los parámetros para el conjunto de individuos de la población. Dadas diversas medidas. ya sea conjunta o separadamente. Si se realiza un análisis descriptivo sobre datos muestrales. sin realizar ningún tipo de extrapolación. nada mejor que realizar un análisis a partir de la totalidad de los individuos de la población. haciendo ésta más comprensible. En el segundo caso. los análisis estadísticos sólo se refieren al conjunto de los datos muestrales. se proporciona un intervalo o conjunto de valores probables para el parámetro y no un valor concreto como sucedía con la estimación puntual o por punto. En el primer caso. O sea. La decisión estadística tiene por objetivo tomar decisiones sobre determinadas características de una o varias variables aleatorias en la población. proporcionan un valor concreto que se denomina estadístico. dados unos datos muestrales. no existe otro objetivo que describir la información contenida en los datos de la muestra. Por supuesto. el objetivo es resumir o sintetizar la información. Dado un valor del estadístico. De hecho. En consecuencia. o a la totalidad de los individuos de la misma. se iguala el valor del parámetro a aquel correspondiente al estadístico. alternativamente. en muchas ocasiones es imposible obtener mediciones para la totalidad de los individuos de la población. Dentro de la inferencia estadística puede distinguirse entre estimación y decisión. una estimación denominada estimación por intervalo. datos muestrales. En muchas ocasiones el interés no reside tanto en describir un determinado conjunto de datos muestrales como utilizar la información contenida en la muestra para conocer alguna característica de la variable o variables aleatorias en la población. puede realizarse una estimación del parámetro conocida como estimación puntual o por punto o. para alcanzar este objetivo. son .

Una población finita está compuesta por un número finito de individuos. debe ser representativa de la misma. Nos referiremos al muestreo de poblaciones finitas. . pues incluye todas las muestras posibles. Mediante el término marco se entiende la lista por medio de la cual se identifica a cada uno de los individuos de la población.  Muestreo de poblaciones finitas: Por la imposibilidad de obtener información o de realizar la medición de determinadas características para la totalidad de individuos que componen una población. que así se denomina cualquier subconjunto de individuos de la población. siempre que se pretenda uti8lizar la información obtenida en la muestra para realizar extrapolaciones o inferencias a la población de referencia. o sea. es necesario. por ejemplo. El total de individuos que componen una muestra se denomina tamaño muestral y se denota mediante n. podemos diferenciar entre pruebas paramétricas y no paramétricas. pueden obtenerse distintas muestras. La muestra. las técnicas de muestreo de poblaciones finitas. que es aquel que se precisa. también refiriéndose como tamaño poblacional. Las pruebas de decisión estadística pueden agruparse en técnicas de conformidad y técnicas de relación. Si el estudio se realiza sobre la totalidad de la población. es preciso tomar una parte del mismo. El total de las diferentes muestras se denomina espacio muestral universal. Mediante N se denota el total de individuos de la población. debemos procurar que en la misma no existan factores que puedan provocar la existencia de sesgo en los resultados extrapolados desde la muestra a la población. cuando se realiza un estudio o sondeo de opinión. La variable de estudio es aquella característica de la población que se quiere estudiar. se denomina censo. Dado un tamaño poblacional. Las pruebas o técnicas de conformidad permiten contrastar hipótesis que se refieren a características de las variables aleatorias. en la medida de lo posible.[Escriba aquí] Pedro J. También aquí podemos diferenciar entre pruebas paramétricas y no paramétricas. en general. se precisan procedimientos que eviten o minimicen la existencia de sesgo y. Como son muchas las muestras que componen el espacio muestral universal. independientemente de su tamaño. En consecuencia. Así. Un número asignado a cada individuo de la población puede ser una forma de elaborar la lista. garanticen la representatividad de la muestra. ya sea sobre el valor de alguno de sus parámetros o la forma de sus distribuciones. Mediante las pruebas de relación es posible contrastar si dos o más variables aleatorias son independientes o no. realizar un estudio a partir de un subconjunto de individuos de la misma. En una investigación puede incluirse tantas variables de estudio como interese. Para garantizar la representatividad de la muestra. Espinosa Psicología Universitat de Barcelona Estadística precisas las estimaciones obtenidas en las muestras para tomar una decisión.

Estos se tratarán a continuación. Muestreo aleatorio simple. Para obtener una muestra mediante este procedimiento se ordenan las muestras del espacio muestral y se obtiene una de ellas al azar. En ambos casos se utilizan números pseudoaleatorios . el muestreo de poblaciones finitas tiene por objetivo obtener muestras para alcanzar precisas inferencias sobre las características de las variables aleatorias en la población de referencia. Las muestras de un tamaño concreto son una parte del espacio muestral universal. Espinosa Psicología Universitat de Barcelona Estadística Se entiende por espacio muestral una parte del espacio muestral universal. MAS(N. la probabilidad de obtener cualquier muestra m de tamaño n es El denominador es igual al total de muestras posibles de tamaño n sin reposición. Una vez especificado un espacio muestral. n) Es una característica de este plan de muestreo que la probabilidad de que cualquier individuo pertenezca a la muestra es igual a 1/N.[Escriba aquí] Pedro J. Los procedimientos mediante los cuales se obtienen las muestras se denominan diseños o planes de muestreo. Si se prefiere. También puede obtenerse mediante la selección al azar individuo a individuo de forma secuencial.