Descarga la aplicación para disfrutar aún más
Lea materiales sin conexión, sin usar Internet. Además de muchas otras características!
Vista previa del material en texto
Propiedades de una Distribución Muestral Para cualquier población, El valor promedio de todas las posibles medias muestrales calculadas de todas las posibles muestras aleatorias de un tamaño dado de la población es igual a la media poblacional. La desviación estándar de todas las posibles medias muestrales calculadas de todas las posibles muestras aleatorias de tamaño n es igual a la desviación estándar poblacional dividida por la raíz cuadrada del tamaño de muestra. 7-1 Teorema 1 Teorema 2 Es considerado un estimador “insesgado” Llamado también error estándar Si una Población es Normal 7-2 Si una población es normal con media μ y desviación estándar σ, la distribución muestral de x también es normal con y Teorema 3 A medida que n se incrementa la dispersión de la distribución muestral se reduce Propiedades de la Distribución Muestral La media muestral es un estimador insesgado 7-3 Distribución Poblacional Normal Distribución Muestral Normal (tiene la misma media) Propiedades de la Distribución Muestral La media muestral es un estimador consistente (el valor de x se acerca a μ a medida que n crece): 7-4 Tamaño de muestra grande Tamaño de muestra pequeño x Población Si n crece, decrece Valor Z para la Distribución Muestral de x El valor z para la distribución muestral de x: 7-5 Donde: = Media muestral = Media poblacional = Desviación estándar poblacional n = Tamaño de muestra Volver al Ejemplo…. Supongamos una población… Tamaño de población N=4 Variable aleatoria, x, es la edad de los individuos Valores de x: 18, 20, 22, 24 (años) 7-6 A B C D Repita el Ejercicio pero…. Considere muestras de 2 individuos sin reemplazo. Encuentre la distribución muestral. ¿Qué pasa con la media de la distribución muestral? ¿Coincide con la poblacional? ¿Qué pasa con la desviación estándar de la distibución muestral? ¿Se sigue cumpliendo: Copyright ©2011 Pearson Education, Inc. publishing as Prentice Hall 7-7 Comparando la Población con su Distribución Muestral 7-8 Distribución de la Población N = 4 Distribución de la Media Muestral n = 2 Se mantiene que la media muestral es un estimador insesgado de la media poblacional. Pero ahora la desviación estándar de la distribución muestral ya no es igual a: ¿Qué ocurre? Copyright ©2011 Pearson Education, Inc. publishing as Prentice Hall 7-9 Explicación Cuando se tenía muestreo con reemplazo esto era equivalente a un tamaño de muestra pequeño, en relación a la población: La población era como infinita: A, B, C, D, A, B, C, D, A, B, C,….. La muestra n = 2 era pequeña Con muestreo sin reemplazo: La población era N = 4: A, B, C, D. La muestra n = 2 representaba el 25% de la población Copyright ©2011 Pearson Education, Inc. publishing as Prentice Hall 7-10 Para poblaciones finitas se requiere efectuar un ajuste……. Copyright ©2011 Pearson Education, Inc. publishing as Prentice Hall 7-11 Corrección por Población Finita Aplicar la Corrección por Población Finita si: La muestra es grande relativa a la población (n es mayor al 5% de N) y… El muestreo es sin remplazo Entonces Donde: El factor de corrección por población finita es: 7-12 Repita el ejemplo aplicando el factor de corrección: Copyright ©2011 Pearson Education, Inc. publishing as Prentice Hall 7-13 Si la Población no es Normal Se puede aplicar el Teorema del Límite Central: Incluso si la población no es normal, …las medias muestrales de la población se distribuirán aproximadamente como una normal mientras el tamaño de muestra sea suficientemente grande …y la distribución muestral tendrá: y 7-14 Teorema 4 oleObject1.bin image6.wmf μ μ x = oleObject2.bin image7.wmf n σ σ x = oleObject3.bin oleObject4.bin oleObject9.bin image12.wmf x μ oleObject5.bin image8.emf oleObject6.bin image9.emf oleObject7.bin image10.wmf μ μ x = oleObject8.bin image11.wmf μ oleObject10.bin image13.emf oleObject11.bin image14.wmf n σ/ σ x = oleObject12.bin oleObject13.bin image15.emf oleObject18.bin image20.wmf n σ μ) x ( z - = oleObject14.bin image16.emf x oleObject15.bin image17.wmf μ oleObject16.bin image18.wmf oleObject17.bin image19.wmf σ image21.wmf image22.wmf image23.wmf image24.png oleObject22.bin image25.wmf 1.29 σ 21 μ x x = = oleObject23.bin image26.wmf 2.236 σ 21 μ = = oleObject24.bin image27.wmf 1 N n N n σ μ) x ( z - - - = oleObject25.bin image28.wmf 1 N n N - - oleObject26.bin oleObject27.bin image29.wmf oleObject28.bin oleObject29.bin image2.png image3.png image5.png
Elias Qche
Estudiando Ingenieria
Desafio PASSEI DIRETO
Desafio PASSEI DIRETO
Desafío COL y ARG Veintitrés
Compartir