Escolar Documentos
Profissional Documentos
Cultura Documentos
Al ser en general la poblacin grande y no poder ser estudiada en su integridad en la mayora de los casos, las conclusiones obtenidas deben basarse en el examen de una parte de sta (muestra). El proceso de obtencin de conclusiones de una poblacin entera con base en la informacin de una muestra se denomina inferencia estadstica. Esto nos lleva a la necesidad de definir diferentes tcnicas de muestreo. Primeramente definiremos algunos trminos estadsticos como estadstico y estimador. ESTADSTICO: Definicin: Un estadstico es una funcin de variable aleatoria observables, que l mismo es un variable aleatoria y que no depende de parmetros desconocidos. ESTIMADOR DE UN PARMETRO: Definicin: Se denomina estimador de un parmetro , a cualquier variable aleatoria , que se exprese en funcin de la muestra aleatoria y que tenga por objetivo aproximar el valor de . Los estadsticos y estimadores lo anotaremos con letras maysculas T,...,Z. La notacin utilizada para los estadsticos es la que corresponde a variables aleatorias ya que estos son casos de variables aleatorias. Si tenemos en cuenta lo expresado en la definicin, simblicamente un estadstico queda representado como sigue: Sean n variables aleatorias muestrales observables, X 1 , X 2 ,... X n . Una funcin de estas variables, define un estadstico. T = l( X 1 , X 2 ,... X n ) donde l indica una funcin.
Ejemplos de algunos estimadores fundamentales:
X =
X
i =1
Mediana muestral: Dada una muestra ( X 1 , X 2 , K , X n ) se llama mediana muestral al estimador: X ( n ) + X ( n +1) 2 Md = 2 si n es par ; Md = X n +1 si n es impar . 2 2
E (X ) = var( X ) =
2
n
Un estadstico es una variable aleatoria y como tal tiene una distribucin de probabilidades. A la distribucin de probabilidades terica de un estadstico muestral se le llama distribucin muestral del estadstico.
). n Si la poblacin es normal con media y varianza 2, entonces la media muestral, X , se distribuye normal con igual media que la poblacional y con varianza igual a la varianza poblacional dividida el tamao de muestra. Si estandarizamos la media muestral tenemos la variable Z: Z = X N(0 , 1).
X N ( ,
n
Z sigue una distribucin normal estndar.
3
Caso 2:
2
n
).
Suele suceder que la varianza de la poblacin sea desconocida, en este caso deberemos estimar la varianza poblacional con la varianza muestral. En este caso tendremos entonces la variable aleatoria T:
T =
X s n
tn-1.
n La distribucin de Z tiende a una distribucin normal estndar cuando n . 2 . Es decir X es asintticamente normal con media y varianza n El teorema del lmite central se puede aplicar para una muestra aleatoria de cualquier distribucin siempre que y 2 sean finitos y el tamao de la muestra sea grande. Nota: A qu llamamos muestra grande?, para n30, podemos considerar que la muestra es grande. Cuando n 30 la distribucin de X es aproximadamente normal, cualquiera sea la poblacin de la cual provienen las muestras. Volviendo al caso 3
Si la poblacin no es normal con media y varianza 2, finitas, y si el tamao de muestra es grande puedo trabajarla como si la poblacin fuera normal.