Distribuciones muestrales & el teorema del límite central
|
Índice de Temas en Línea
Ejercicios Para Este Tema Página Principal Todo Para Matemáticas Finitas English |
Con frecuencia es imposible medir la media o la desviación estándar de toda la población a menos que la población sea pequeña, o hacemos un censo a nivel nacional. La media poblacional y la desviación estándar poblacional son ejemplos de parámetros poblacionales--medidas descriptivas de toda la población. Dado la imposibilidad de medir los parámetros poblacionales, por lo contrario medimos los estadísticos muéstrales--medidas descriptivas de una muestra. Algunos ejemplos de los estadísticos muestrales son la media muestral, la mediana muestral y la desviación estándar muestral.
P Bueno, entonces ¿por qué no utilizamos los estadísticos muéstrales como estimaciones de los parámetros correspondientes poblacionales; por ejemplo, por qué no utilizamos la media muestral como una estimación de la media poblacional?
R Esto es exactamente lo que hacemos para estimar medias y medianas poblacionales (con una ligera modificación en el caso de la desviación estándar). Sin embargo, un estadístico muestral (como la media muestral) puede ser "por todas partes", por lo que tenemos una pregunta complementaria: ¿Cuán seguro podemos estar con el estadístico muestral?
$X_{1}$ | $X_{2}$ | $X_{3}$ | $X_{4}$ | $X$ | |
Muestra 1 | $6$ | $2$ | $5$ | $6$ | $4.75$ |
Muestra 2 | $2$ | $3$ | $1$ | $6$ | $3$ |
Muestra 3 | $1$ | $1$ | $4$ | $6$ | $3$ |
Muestra 4 | $6$ | $2$ | $2$ | $1$ | $2.75$ |
Muestra 5 | $1$ | $5$ | $1$ | $3$ | $2.5$ |
Distribución muestral
La distribución muestral del estádistico $S$ para muestras del tamaño n se define de la siguiente manera. El experimento consiste en escojer una muestra del tamaño $n$ de la población y medir el estadístico $S.$ La distribución muestral es la distribución de probabilidad resultante.
Ejemplo rápido Si el estadístico S es la media muestral $\bar{x}$ para muestras de tamaño $4$ como anteriormente, entonces la distribución muestral es la distribución de probabilidad de las medias muéstrales $\bar{x}.$ (Vamos a ver cómo calcular tales distribuciones más abajo). |
Ejemplo 1 Calcula la distribución de muestreo a mano
Una moneda lanzada al aire tiene una probabilidad de $75%$ de caer cara. Sea $X = 1$ si cae cara, y $X = 0$ si cae cruz. Encuentra la distribución muestral de la media $\bar{x}$ para muestras de tamaño $3.$ Solución El experimento consiste en lanzar una moneda $3$ veces y medir la media muestral $\bar{x}.$ La siguiente tabla muestra la colección de todos los resultados posibles (muestras) y media muestral asociada. ($H=$cara, $T=$cruz).
Resultado | $HHH$ | $HHT$ | $HTH$ | $HTT$ | $THH$ | $THT$ | $TTH$ | $TTT$ |
Probabilidad ¿Cómo consigues éstos? | $27/64$ | $9/64$ | $9/64$ | $3/64$ | $9/64$ | $3/64$ | $3/64$ | $1/64$ |
X ¿Cómo consigues éstos? | $1$ | $2/3$ | $2/3$ | $1/3$ | $2/3$ | $1/3$ | $1/3$ | $0$ |
Nota La distribución de la media muestral es una distribución binomial. El Teorema de Límite Central nos dice que, para muestras de tamaño más y más grande, debe parecer cada vez más a una distribución normal.
El siguiente ejemplo involucra muestras de una distribución continua, y el uso de la tecnología.
Ejemplo 2 Utilizando la tecnología para muestrear una distribución continua
El ejemplo con el que comenzamos esta sección consiste en tomar cinco muestras de tamaño $n = 4$ de una variable aleatoria uniforme finita (el resultado de lanzar un dado). Aquí, también muestrearemos de una variable aleatoria uniforme, pero esta vez utilizamos la variable aleatoria continua con el dominio $[0, 1],$ para que los resultados pueden ser cualquier número entre $0$ y $1.$ Por ejemplo, una muestra posible de tamaño $n = 6$ es
Ahora usa la distribución (en la gráfica) para responder a las siguientes preguntas:
Nota El histograma da una "muestra" de la distribución real de muestreal; no podemos producir toda la distribución de muestreal de esta manera, ya que hay, principalmente, un numero infinito de muestras posibles.
Además, con el fin de obtener una estimación más exacta del parámetro de población, debemos utilizar una estadístico muestral cuya desviación estándar (la desviación estándar de la distribución muestral) es lo más pequeño posible. De esta manera, el estadístico de una sola muestra será probablemente cercano al valor esperado.
Ejemplo 3 ¿La media muestral es un estimador sin sesgo ("sin sesgo") de la media poblacional?
Consulta el Ejemplo 1: $X$ es el número de caras cuando lanzamos una moneda al aire (tiene una probabilidad de $75%$ de caer cara). Es decir, $X = 1$ si es cara y $X = 0$ si es cruz. Determina si la media muestral es un estimador sin sesgo de la media poblacional.Solución Necesitamos comparar la media poblacional para $X$ con el valor esperado de la distribución muestral de las medias muéstrales. Es decir, debemos comparar dos valores esperados:
$E(\bar{x}) =$ (valor esperado de $\bar{x}$)
$\bar{x}$ | $0$ | $1/3$ | $2/3$ | $1$ |
$P(\bar{x} = \bar{x})$ | $1/64$ | $9/64$ | $27/64$ | $27/64$ |