Post on 17-Dec-2015
description
logo
Distribuciones Muestrales
Distribucin de la media muestral
Vernica Guarn.
Universidad de Antioquia
Teora de la probabilidad y colasIngeniera de Sistemas
6 de mayo de 2015
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
1 Distribuciones Muestrales
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
En el proceso de identificar y explicar las caractersticas esen-ciales que permiten describir el comportamiento de un fen-meno, nuestro objetivo es el de establecer de manera aproxima-da dicho comportamiento usando parte de toda la informacinrelevante acerca del fenmeno.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Cuando se desea estimar un parmetro poblacional se puedepresentar cualquiera de los prximos 3 casos:
1 Estimar la proporcin de lavadoras que se descomponenantes del tiempo de garanta.
2 Estimar el tiempo promedio que una persona permaneceen fila.
3 Estimar la variabilidad en los dimetros de tuercas decierto tipo.
Note en los casos anteriores que la caracterstica de inters esuna proporcin, un promedio y una varianza; las cuales en cadacaso son nicas
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Cuando se desea estimar un parmetro poblacional se puedepresentar cualquiera de los prximos 3 casos:
1 Estimar la proporcin de lavadoras que se descomponenantes del tiempo de garanta.
2 Estimar el tiempo promedio que una persona permaneceen fila.
3 Estimar la variabilidad en los dimetros de tuercas decierto tipo.
Note en los casos anteriores que la caracterstica de inters esuna proporcin, un promedio y una varianza; las cuales en cadacaso son nicas
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Cuando se desea estimar un parmetro poblacional se puedepresentar cualquiera de los prximos 3 casos:
1 Estimar la proporcin de lavadoras que se descomponenantes del tiempo de garanta.
2 Estimar el tiempo promedio que una persona permaneceen fila.
3 Estimar la variabilidad en los dimetros de tuercas decierto tipo.
Note en los casos anteriores que la caracterstica de inters esuna proporcin, un promedio y una varianza; las cuales en cadacaso son nicas
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Definicin:Sean X y Y dos variables aleatorias con una distribucin con-junta, se dice que X y Y son estadsticamente independien-tes S y solo s:
p(x , y) = p(x)p(y) si X y Y son discretas.
f (x , y) = f (x)f (y) si X y Y son continuas.
Si en algn caso al menos una pareja (x , y) no cumple lo ante-rior se dice que X y Y son dependientes.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
De esta manera, si X y Y son estadsticamente independientes,entonces:
pX |y = p(x) o pY |x = p(y) Para el caso discreto.
fX |y = f (x) o fY |x = f (y) Para el caso continuo.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Sean a, b, c y d , constantes. Si X y Y son independientes,entonces:
1 P(a < X < b, c < Y < d) = P(a < X < b)P(c < Y < d)2 E [XY ] = E [X ]E [Y ]3 Cov(X ,Y ) = 0 (Ojo: si Cov(X,Y)=0 no implica que X y Y
sean independientes)4 Var(aX + bY ) = a2Var(X ) + b2Var(Y )
Recuerde que: Var(X Y ) = Var(X ) + Var(Y ) 2Cov(X ,Y )
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Sean a, b, c y d , constantes. Si X y Y son independientes,entonces:
1 P(a < X < b, c < Y < d) = P(a < X < b)P(c < Y < d)2 E [XY ] = E [X ]E [Y ]3 Cov(X ,Y ) = 0 (Ojo: si Cov(X,Y)=0 no implica que X y Y
sean independientes)4 Var(aX + bY ) = a2Var(X ) + b2Var(Y )
Recuerde que: Var(X Y ) = Var(X ) + Var(Y ) 2Cov(X ,Y )
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Sean a, b, c y d , constantes. Si X y Y son independientes,entonces:
1 P(a < X < b, c < Y < d) = P(a < X < b)P(c < Y < d)2 E [XY ] = E [X ]E [Y ]3 Cov(X ,Y ) = 0 (Ojo: si Cov(X,Y)=0 no implica que X y Y
sean independientes)4 Var(aX + bY ) = a2Var(X ) + b2Var(Y )
Recuerde que: Var(X Y ) = Var(X ) + Var(Y ) 2Cov(X ,Y )
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Sean a, b, c y d , constantes. Si X y Y son independientes,entonces:
1 P(a < X < b, c < Y < d) = P(a < X < b)P(c < Y < d)2 E [XY ] = E [X ]E [Y ]3 Cov(X ,Y ) = 0 (Ojo: si Cov(X,Y)=0 no implica que X y Y
sean independientes)4 Var(aX + bY ) = a2Var(X ) + b2Var(Y )
Recuerde que: Var(X Y ) = Var(X ) + Var(Y ) 2Cov(X ,Y )
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Definicin:Si las variables aleatorias X1,X2, . . . ,Xn cumplen que:
1 Las Xi con i = 1,2, . . . ,n son variables aleatoriasindependientes.
2 Cada Xi tiene la misma distribucin de probabilidad.Entonces se dice que X1,X2, . . . ,Xn, forman una muestra alea-toria (m.a); as que el conjunto de las n variables son estadsti-camente independientes e idnticamente distribudas. De modoque:
f (x1, x2, . . . , xn) =n
i=1
f (xi) y E [Xi ] = Var [Xi ] = 2 i = 1,2,3, . . . ,n
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Definicin:Si las variables aleatorias X1,X2, . . . ,Xn cumplen que:
1 Las Xi con i = 1,2, . . . ,n son variables aleatoriasindependientes.
2 Cada Xi tiene la misma distribucin de probabilidad.Entonces se dice que X1,X2, . . . ,Xn, forman una muestra alea-toria (m.a); as que el conjunto de las n variables son estadsti-camente independientes e idnticamente distribudas. De modoque:
f (x1, x2, . . . , xn) =n
i=1
f (xi) y E [Xi ] = Var [Xi ] = 2 i = 1,2,3, . . . ,n
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
De una muestra aleatoria nos interesa principalmente dos cosas
1 Estimar los parmetros desconocidos de la f.d.p. Porejemplo: la media,la varianza, una proporcin, etc.
2 Realizar inferencias 1 sobre los parmetros de undistribucin.
1Este tema se estudia ms adelanteTeora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
De una muestra aleatoria nos interesa principalmente dos cosas
1 Estimar los parmetros desconocidos de la f.d.p. Porejemplo: la media,la varianza, una proporcin, etc.
2 Realizar inferencias 1 sobre los parmetros de undistribucin.
1Este tema se estudia ms adelanteTeora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Un Estadstico es una funcin de la muestra aleatoria que notiene cantidades desconocidas. No todos los estadsticos quese definen a partir de una m.a. son de inters. La idea est enencontrar aquellos que permiten obtener mejores aproximacio-nes a los parmetros de inters. (Por ejemplo la media , lavarianza 2 o una proporcin p).
Una buena aproximacin para es: X = 1nn
i=1 XiUna buena aproximacin para 2 es: S2 = 1n1
ni=1(Xi X )2
Una buena aproximacin para p es: Xn ,X b(n,p)
Teora de la probabilidad y colas Distribucin de la media muestral
Usuario-RandTexto tecleadoEstadsticos
logo
Distribuciones Muestrales
Cul es la distribucin de X ?
Cul es la distribuccin de 2 ?
Cul es la distribucin de Xn ; con X b(n,p)?.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Distribucin de la media muestral:
Sea X1,X2, ...,Xn una muestra aleatoria de una distribucin conmedia y varianza 2. Sea X = 1n
ni=1 Xi Entonces:
E [X ] = E
[1n
ni=1
Xi
]
=1n
ni=1
E [Xi ] Por propiedad del valor esperado
=1n
ni=1
como los Xi son una m.a. tienen la misma media
=1n
(n)
=
Teora de la probabilidad y colas Distribucin de la media muestral
Usuario-RandTexto tecleadolas xs son de una distribucion normal
logo
Distribuciones Muestrales
Distribucin de la media muestral:
Var [X ] = Var [1n
ni=1
Xi
=1n2
ni=1
Var [Xi ]
=1n2
ni=1
2 los Xi tienen la misma varianza
=1n2(n2
)=2
n
As la distribucin muestral de X , tiene media y varianza 2
n .
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Anlogamente se tiene que si T =n
i=1 Xi , entonces E [T ] = ny Var(T ) = n2
Teorema:Suponga que X1, . . . ,Xn es una muestra aleatoria de una pobla-cin normal con media y varianza 2, entonces
X N(, 2/n) T =n
i=1
Xi N(n,n2)
As
X /n N(0,1) y T n
n N(0,1)
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Ejemplo:
En una prueba de fatiga por tensin con un espcimen de ti-tanio, el nmero esperado de ciclos hasta la primera emisinacstica (utilizada para indicar la iniciacin del agrietamiento)es = 28000 y = 5000. Sean X1,X2, . . . ,X25 una muestraaleatoria de tamao 25, donde cada Xi es el nmero de ciclosen un espcimen diferente seleccionado al azar. Entonces, elvalor esperado del nmero de ciclos medio muestral hasta laprimera emisin es E(X ) = = 28000, y el nmero total es-perado de ciclos para los 25 especmenes es E(T ) = n =25(28000) = 700000.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Solucin:
La desviacin estndar de X y T son:
x =n =
500025
= 1000
T =n =
25(5000) = 25000
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Ejemplo:
El tiempo que requiere una rata de cierta subespecie seleccio-nada al azar para encontrar su camino a travs de un laberintoes una v.a normalmente distribuida con = 1.5 min y = 0.35min. suponga que se seleccionan 5 ratas. sean X1, . . . ,X5 sustiempos en el laberinto. Suponiendo que las Xi son una m.ade esta distribucin normal, Cul es la probabilidad de que eltiempo total T = X1 + + X5 de las 5 sea de entre 6 y 8 min?
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Solucin:
T tiene una distribucin normal con T = n = 5(1.5) = 7.5y varianza 2T = n
2 = 5(0.1225) = 0.6125, por tanto T =0.783. Estandarizando a T tenemos,
P(6 T 8) =(
6 7.50.783
Z 8 7.50.783
)= P(1.92 Z 0.64) = (0.64) (1.92)= 0.7115
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Ahora se quiere determinar la probabilidad de que el tiempo pro-medio muestral X (una variable normalmente distribuida) sea alo ms de 2 min.Solucin:Primero veamos que x = = 1.5 y x = n =
0.355
= 0.1565.Entonces,
P(X 2) = (Z 21.50.1565) = P(Z 3.19) = (3.19) = 0.9993
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Ejercicio:
El dimetro interno de un anillo de pistn seleccionado al azares una v.a con valor medio de 12 cm y desviacin estndar de0.04 cm.
a) Si X es el dimetro medio de una muestra aleatoria de n = 16anillos, Dnde est centrada la distribucin de X y cul es ladesviacin estndar de X?
b) Responda las preguntas planteadas en el inciso a) con untamao de muestra de n = 64 anillos.
c) En cul de las dos muestras aleatorias, la del inciso a) ola del b), es ms probable que X est dentro de 11.912 cm y12.004 cm? Explique su razonamiento.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Qu pasa cuando la muestra aleatoria no proviene de una nor-mal?
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Teorema del lmite central (TLC):
Sean X1,X2, . . . ,Xn una muestra aleatoria de una distribucincon media y varianza 2. Sea X la media muestral (la cualdepende de n), entonces cuando n tiende a infinito, la distribu-cin muestral de X
/n es aproximadamente normal estndar.
Es decir:
X /n
n N(0,1)
Entre mayor sea el n mejor es la aproximacin. Si la distribu-cin muestral es simtrica y continua, los tamaos muestralespermiten obtener buenas aproximaciones. Si la distribucin esdiscreta, se requiere de tamaos de muestra grandes.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
As
P(X a) = P ( X
/n a /n
)Si 2 es desconocida y n es grande, se puede reemplazar a 2
por S2. As:
X S/n
n N(0,1)
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Ejemplo:
Una compaa de electrnica fabrica resistores que tienen unaresistencia promedio de 100 y una desviacin estndar de 10.La distribucin de la resistencia es normal, encuentre la proba-bilidad de que al tomar una muestra de n = 25 resistores, laresistencia promedio de estos sea menor que 95.
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Solucin:
Ntese que la distribucin de muestreo de X es normal, conmedia x = 100 y desviacin estndar de
x =1025
= 2
Al estandarizar el punto X = 95, se tiene que:
P(X 95) = (Z 951002 ) = P(Z 2.5) = (2.5) =0.0062
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Ejemplo:
Supngase que una v.a X tiene una distribucin uniforme conti-nua
f (x) =
{12 4 x 60 en otro caso.
Encuentre la distribucin de la media muestral de una m.a detamao n = 40
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Solucin:
La media y la varianza de X son = 5 y 2 = (64)2
12 =13 .
El (TLC) indica que la distribucin de X es aproximadamentenormal con media x = = 5 y varianza 2x =
2
n =1
3(40) =1
120
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Ejercicio:
La resistencia a la ruptura de un remache tiene un valor mediode 10000 lb/pulg2 y una desviacin estndar de 500 lb/pulg2.
Cul es la probabilidad de que la resistencia a la ruptura me-dia de una muestra aleatoria de 40 remaches sea (est) entre9900 y 10200?
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Resolver los ejercicios de las pginas 307 (Probabilidad y esta-dstica aplicada a la ingeniera (Montgomery))
Teora de la probabilidad y colas Distribucin de la media muestral
logo
Distribuciones Muestrales
Referencias
Montgomery D.C y Runger G.C. Probabilidad y Estadstica Apli-cadas a la Ingeniera. Limusa Wiley, 2004, segunda edicin.
Mendenhall W., Beaver R.J. y Beaver B.M. Introduccin a laprobabilidad y estadstica (12. ed.). Mxico: Cengage Learning,2008
Roessler, R y Alder H.L. Introduction to probability and statistics(6. ed.). Estados Unidos: W. H. Freeman, 1977
Teora de la probabilidad y colas Distribucin de la media muestral
Distribuciones Muestrales