Escolar Documentos
Profissional Documentos
Cultura Documentos
n
i
i n n
x f x f x f x f x x x f
Teniendo en cuenta esta de'inici"n, diremos que los requisitos para que una muestra sea
aleatoria son los siguientes)
&# +a 'unci"n de densidad de una !ariable aleatoria 3 permanece constante de prueba a prueba, e igual a la
'unci"n de densidad.
# ( # ( ....... # ( # (
2 1
X f x f x f x f
n
&&# &ndependencia entre las pruebas.
# ( # ( #....... ( # ( # ,...... , ( # (
1
2 1 2 1
n
i
i n n
x f x f x f x f x x x f M P
-ea entonces '(.# la 'unci"n de densidad de una !ariable aleatoria obser!ada para cierta
poblaci"n y sea n el tamao de la muestra. Pense!os a la !uestra no co!o e*idencia sino
como el resultado de un e.perimento aleatorio (e.traer una muestra# re"etido ! *eces.en el
sentido que repito la muestra en esa misma poblaci"n y cada muestra es un resultado posible y
distinto.
# ( # (
2
# (
1
4 4
2
4
1
5 5
2
5
1
... , )
.... .......... ..........
,...... , )
2
,...... , )
1
m
n
m m
n
n
x x x
m
M
x x x M
x x x M
-uma de !ariables aleatorias de distribuci"n desconocida
-ean n !ariables 3
1
, 3
2
,...., 3
n
independientes con esperan(a y !ariancia 'initas ) E(3
i
# 6
y
7(3
i
# 6
y sea - 6
n
n
i
i
X X X X + + +
......
2 1
1
Entonces , utili(ando propiedades de Esperan(a y de 7ariancia)
2
E(-# 6
n
i
i
n
i
i
n
i
i
X E X E
1 1 1
# ( # (
y como las !ariables son independientes)
7(-#
n
i
i
n
i
i
n
i
i
X V X V
1
2
1 1
# ( # (
Ejemplos de aplicacion ( h X, #
Consideremos una muestra de n elementos de una poblaci"n. e'inamos 3
i
como la obser!aci"n
hecha al i8simo elemento.
-e dispone entonces de n !ariables aleatorias independientes ) 3
1
,3
2
,...., 3
n
idnticamente
distribudas
2
# ( # ( ) ... 1
i i
X V y X E n i
*or lo tanto, si - 6
n
i
i
X
1
, entonces )
E(-# 6
n X E X E
n
i
n
i
i
n
i
i
1 1 1
# ( # (
7(-#
n
i
i
n
i
i
n
i
i
n X V X V
1
2 2
1 1
# ( # (
e'inamos )
n
S
n
X
X
n
i
i
1
Entonces)
n
n
n
S V
n n
S
V X V
n
n
S E
n n
S
E X E
2
2
2 2
1
# (
1
# ( # (
1
# (
1
# ( # (
+uego, X es una !ariable aleatoria que se distribuye con media y !ariancia )
n
X V
X E
2
# (
# (
1
es la 'recuencia relati!a de .itos.
-imboli(ando con h a la proporci"n de .itos obtenida en la muestra, tenemos)
n
X
h
n
i
i
1
*ara esta !ariable proporcin muestral de xitos , la esperan(a y la !ariancia son )
:
( )
( )
n
pq
npq
n
q p
n
X V
n
X V
n
n
X
V h V
p np
n
p
n
X E
n
X E
n n
X
E h E
n
i
n
i
i
n
i
i
n
i
i
n
i
n
i
i
n
i
i
n
i
i
1
1
]
1
1
1
1
1
1
]
1
1
1
]
1
1
1
1
1
1
]
1
2
1
2
1
2
1
2
1
1 1 1
1
1 1 1 1
# (
1 1 1 1
# (
*or lo tanto, h es una !ariable aleatoria que se distribuye con media y !ariancia )
n
pq
h V
p h E
# (
# (
En ambos casos ( X y h # !emos que la esperan(a de la media muestral es igual a la media
poblacional (o esperan(a de la !ariable#, y que la !ariancia de la media muestral es menor que la
!ariancia poblacional, disminuyendo su !alor a medida que aumenta el tama0o de la muestra. Esto
signi'ica que la distribuci"n de la media muestral ( X o h # es m%s concentrada que la de la propia
!ariable , y cuanto mayor sea el tama0o de la muestra m%s se concentra esta distribuci"n alrededor de la
media poblacional.
'e1 de los grandes n2!eros
Cualquiera sea la distribuci"n de la !ariable 3 (siempre que tenga esperan(a y !ariancia 'initas#,
la distribuci"n de la media muestral ( X # se concentra m%s y m%s alrededor de la media poblacional ,
con'orme aumente el tama0o de la muestra. +a +ey de los ;randes <,meros enuncia este concepto en
trminos de probabilidad)
Enunciado ) -ea d un n,mero real positi!o, arbitrariamente peque0o. +a probabilidad de que la
media muestral X diste de la poblacional en una magnitud mayor que d tiende a 4cero4 a medida
que el tama0o de la muestra (n# tiende a 4in'inito4 .
En smbolos )
{ } = >
n
d X P
+o que signi'ica que X para n
Teore!a de $ernoulli
($plicaci"n de la +ey de los ;randes <,meros#
Estudia el comportamiento de la probabilidad de la 'recuencia relati!a en un esquema binomial de
un suceso.
-ea un suceso $ tal que p A P
n
n
f
A
A
# (
Enunciado )
-ea un n,mero real positi!o, arbitrariamente peque0o. +a probabilidad de que la proporci"n
muestral h diste de la poblacional p en una magnitud menor que tiende a 4uno4 a medida que el tama0o
de la muestra (n# tiende a 4in'inito4 .
En smbolos)
{ } 1 <
n
p h P
+o que signi'ica que hp, para n
Teore!a Central del '!ite
>
Es el teorema m%s importante de la Teora y *ractica Estadstica. +a +ey de los ;randes
<,meros trata de la con!ergencia en probabilidad, pero nada dice acerca de la distribuci"n de la media (o
proporci"n# muestral.
El Teorema Central del +imite trata de la con!ergencia en distribuci"n de la suma de !ariables
aleatorias independientes, de las cuales no se requiere conocer su distribuci"n.
Enunciado )
-ean n !ariables aleatorias independientes ) 3
1
, 3
2
,...., 3
n
independientes con esperan(a y
!ariancia 'initas, con n grande. Entonces la distribuci"n de la suma de estas !ariables con!erge a la
distribuci"n <ormal.
En smbolos)
-ean 3
1
, 3
2
,...., 3
n
independientes con
( )
2
# (
i i
i i
X V
X E
-ea -
n
6
n
n
i
i
X X X X + + +
......
2 1
1
Entonces
( )
( )
# 1 , = ( N
S E S
n
S
n n
n
?a !imos que)
E(-
n
# 6
n
i
n
i
i
n
i
i
X E X E
1 1 1
# ( # (
y 7(-
n
#
n
i
i
n
i
i
n
i
i
X V X V
1
2
1 1
# ( # (
+uego tenemos que)
# 1 , = (
1
2
1
1
2
1 1
N
S X
n
n
i
i
n
i
i n
n
i
i
n
i
n
i
i i
,
_
n
N X n para
N
n
X
n n
n
n S
n
n S
pero
N
n
n S
n
n S
S V
S E S
n
n
n
n
n n
n
n n
, A
# 1 , = (
# 1 , = (
2
-i en particular consideramos una muestra de n repeticiones de un e.perimento dicot"mico,
de'inimos para cada repetici"n una !ariable bipuntual.
3
1
, 3
2
,...., 3
n
iid 9
i
(p#
( ) ( ) pq X V y p X E n
i i i
) .... 1
*or lo tanto
E(-
n
# 6
n
i
n
i
i
n
i
i
np p X E X E
1 1 1
# ( # (
y 7(-
n
#
npq pq X V X V
n
i
n
i
i
n
i
i
1 1 1
# ( # (
( )
( )
( )
( )
,
_
n
pq
p N h n para N
n
pq
p h
n npq
n
np S
npq
np S
pero
muestral proporcion la es
n
S
n
X
h que y p n !inomial on distri!uci una tiene S que Notese
N
npq
np S
S V
S E S
n
n
n
n
n
i
i
n
n
n
n
n n
, A # 1 , = (
,
# 1 , = (
1
DISTRI$%CI&NES EN E' M%ESTRE&
Distribucin de la !edia !uestral en "oblaciones nor!ales
-ea ( 3
1
, 3
2
, ... , 3
n
# una muestra aleatoria e.trada de una poblaci"n normal, luego, i 6 1 .. n )
3 A <( , # .
*or lo tanto tenemos que) 3
1
, 3
2
, ... , 3
n
iid <( , #.
$ tra!s de las propiedades de la Bunci"n ;eneratri( de Momentos se demuestra que
3
i
A < ( n. ,
n
# , como tambin que
# , ( A
1
n
N X
n
X
i
C
Distribucin de la "ro"orcin !uestral
-ean 3
1
, 3
2
, ... , 3
n
iid 9
i
( p # .
$ tra!s de las propiedades de la Bunci"n ;eneratri( de Momentos se demuestra que
3 6 3
i
A 9 ( n " p # .
*ara n su'icientemente grande, la !ariable binomial se distribuye apro.imadamente normal ,
apro.imadamente ) 3 A <( n.p ,
npq
# .
e donde se deduce que la proporci"n muestral
n
X
n
X
h
i
tambin tiene una distribuci"n apro.imadamente normal )
,
_
n
pq
p N X
n
h
i
, A
1
ESTIMACI3N DE PAR4METR&S
Esti!acin "untual
*ara estimar los par%metros de una poblaci"n, es necesario disponer de algunos datos que
pro!engan de dicha poblaci"n. Cualquier muestra de obser!aciones proporciona cierto conocimiento acerca
de la poblaci"n de la cual pro!iene. *ara medir el error muestral es necesario que dicha muestra sea
$+E$TD/&$
esde el punto de !ista algebraico, el estimador de un par%metro es una 'unci"n de las
obser!aciones muestrales
# ,........ , (
2 1 n
x x x t
, que puede ser lineal, cuadr%tico, etc.
Ejemplos)
( )
2 2
2
2
E
1
E
1
es un estimador de
, entonces
es e'iciente si
1
#
E
(
#
E
(
, , #
E
( #
E
(
H
< <
V
V
sea o V V
Eficiencia relati#a)
ados dos estimadores no !iciados del mismo par%metro, se dice que es m%s e'iciente aqul que
tiene menor !ariancia. Es decir )
-ean 2 1
E E
y
dos estimadores de , decimos que
1
#
E
(
#
E
(
#
E
( #
E
( I
E E
2
1
2 1 2 1
< <
V
V
V V si que eficiente mas es
>.8 Suficiente
Fn estimador se dice su'iciente si contiene (o absorbe# toda la in'ormaci"n proporcionada por la
muestra , en lo que respecta al par%metro.
@.8 $n#ariancia )
Fn estimador se dice in!ariante cuando una 'unci"n del mismo es un buen estimador de la 'unci"n del
par%metro . Es decir )
E
es in!ariante
( ) % % E #
E
(
M5todos de esti!acin "untual
1.8Mtodo de los momentos) Consiste en estimar los momentos poblacionales a tra!s de los momentos
muestrales .
2.8Mtodo de los Mnimos Cuadrados) Consiste en encontrar estimadores de los par%metros de 'orma tal
que minimicen la suma de los cuadrados de los des!os . Con este mtodo se obtienen estimadores
no !iciados y consistentes, pues el mismo garanti(a mnima !ariancia y suma de des!os igual a
cero .
:.8Mtodo de M%.ima 7erosimilitud) Consiste en encontrar estimadores de los par%metros de 'orma tal que
ma.imicen la 'unci"n de probabilidad de la muestra. *ara ello, es imprescindible conocer la
distribuci"n de la !ariable en la poblaci"n. Este mtodo proporciona los mejores estimadores, que
go(an e.celentes propiedades) &nsesgado (o bien, asint"ticamente insesgado# ,Consistente ,
E'iciente, -u'iciente, &n!ariantes y de distribuci"n asint"ticamente <ormal .
9ibliogra'ia
*agina Jeb) http)KKJJJ.ditutor.comKin'erenciaLestadisticaKestadisticaLin'erencial.html
M
Dnline ) =NK11K2=1:
N
1=