Distribuciones de muestreo

Supongamos que quieres saber el promedio de la nota media de los estudiantes de último curso de secundaria de Atlanta, Georgia. Para calcular el valor exacto, tendrías que preguntar a la población, es decir, a todos los estudiantes de último curso de Atlanta, Georgia, por su GPA. ¡Eso suena agotador! Pero, ¿y si, en lugar de preguntar a todos los alumnos de último curso, tomas una muestra? Esta es la idea que subyace a las distribuciones muestrales.

Pruéablo tú mismo

Scan and solve every subject with AI

Try our homework helper for free Homework Helper
Avatar

Millones de tarjetas didácticas para ayudarte a sobresalir en tus estudios.

Regístrate gratis

Achieve better grades quicker with Premium

PREMIUM
Karteikarten Spaced Repetition Lernsets AI-Tools Probeklausuren Lernplan Erklärungen Karteikarten Spaced Repetition Lernsets AI-Tools Probeklausuren Lernplan Erklärungen
Kostenlos testen

Geld-zurück-Garantie, wenn du durch die Prüfung fällst

Did you know that StudySmarter supports you beyond learning?

SS Benefits Icon

Find your perfect university

Get started for free
SS Benefits Icon

Find your dream job

Get started for free
SS Benefits Icon

Claim big discounts on brands

Get started for free
SS Benefits Icon

Finance your studies

Get started for free
Sign up for free and improve your grades

Review generated flashcards

Regístrate gratis
Has alcanzado el límite diario de IA

Comienza a aprender o crea tus propias tarjetas de aprendizaje con IA

Equipo editorial StudySmarter

Equipo de profesores de Distribuciones de muestreo

  • Tiempo de lectura de 10 minutos
  • Revisado por el equipo editorial de StudySmarter
Guardar explicación Guardar explicación
Sign up for free to save, edit & create flashcards.
Guardar explicación Guardar explicación
  • Fact Checked Content
  • reading time10 min
Tarjetas de estudio
Tarjetas de estudio
  • Fact Checked Content
  • Last Updated: 01.01.1970
  • reading time10 min
  • Content creation process designed by
    Lily Hulatt Avatar
  • Content cross-checked by
    Gabriel Freitas Avatar
  • Content quality checked by
    Gabriel Freitas Avatar
Sign up for free to save, edit & create flashcards.
Guardar explicación Guardar explicación

Saltar a un capítulo clave

    Reproducir como pódcast 12 minutos

    ¡Gracias por tu interés en el aprendizaje por audio!

    Esta función aún no está lista, pero nos encantaría saber por qué prefieres el aprendizaje por audio.

    ¿Por qué prefieres el aprendizaje por audio? (opcional)

    Enviar comentarios
    Reproducir como pódcast 12 minutos

    En este artículo encontrarás la definición de las distribuciones muestrales, los tipos de distribuciones muestrales, las fórmulas, la media y la desviación típica de las distribuciones muestrales, y ejemplos de aplicación.

    Introducción a las distribuciones muestrales

    Volviendo al ejemplo anterior, supongamos que seleccionas y muestras aleatoriamente \(100\) estudiantes de último curso y calculas la media de GPA a partir de esta muestra. Esta media no sería la misma que la media de todos los estudiantes de último curso de Atlanta. Podría ser más baja o más alta, pero lo más probable es que no fuera exactamente igual a la media de la población.

    Si seleccionas una segunda muestra de \(100\) estudiantes de último curso, lo más probable es que la media de las notas de esta muestra difiera de la media de la primera. Así pues, las muestras aleatorias seleccionadas producirían valores medios diferentes. A pesar de esta variedad de valores, cuando se obtienen muchas medias muestrales, puedes trazar estas medias recogidas en un gráfico, y así se puede obtener una media estimada de toda la población. Este proceso explica el concepto de crear distribuciones muestrales de la media.

    Definición de distribuciones muestrales

    Un valor que se calcula tomando información de una muestra se denomina estadística. La estadística te permite estimar los datos de toda una población. Como has visto en el ejemplo anterior, diferentes muestras aleatorias pueden dar valores distintos para una estadística; esta diferencia se llama variabilidad mues tral (o error de muestreo). Esta variabilidad muestral puede reducirse aumentando el tamaño de la muestra.

    La distribución formada por todos los valores posibles de los estadísticos muestrales obtenidos para cada muestra diferente posible de un tamaño dado se llama distribución muestral.

    Condiciones de las distribuciones muestrales

    Para garantizar que la distribución muestral estima realmente toda la población, debes asegurarte de que se verifican estos dos criterios:

    1. Condición dealeatoriedad: la condición más importante necesaria para crear una distribución muestral es que tus datos procedan de muestras seleccionadas al azar.

    2. Independencia (condición \(10\%\)): los valores muestreados deben ser independientes entre sí. Alcanzar esta condición equivale a considerar tamaños de muestra no superiores a \(10\%\) de toda la población.

    Volvamos al ejemplo del promedio de GPA. Para la condición de aleatoriedad, a menos que tengas una lista de los alumnos con la nota media más alta de Atlanta, basta con elegir aleatoriamente a cualquier \(100) alumno para satisfacer esta condición.

    Por otra parte, para la condición de independencia, no es descabellado suponer que hay más de \(10\, 000\) alumnos de último curso en Atlanta, por lo que el \(10\%\) de esto es \(1\,000\). Cualquier tamaño de muestra inferior a \(1.000\) satisface esta condición, por lo que considerar muestras de un \(100\) de tamaño es aceptable.

    Tipos de distribuciones muestrales

    Hay 3 tipos de distribuciones muestrales:

    1. Distribución muestral de proporciones

    2. Distribución muestral de medias

    3. Distribución en T

    Distribución muestral de proporciones

    Se utiliza para estimar una proporción de la población. Calcula la proporción de éxito, o probabilidad, de que se produzca un suceso concreto. La media de cada grupo de la proporción muestral es una representación de la proporción estimada de éxito de toda la población.

    Distribución muestral de medias

    Consiste en calcular las medias de todos los grupos de la muestra de una población seleccionada. A continuación, la media de las medias de todas las muestras es una media estimada de toda la población.

    Distribución en T

    Se centra en una población pequeña. Se utiliza para medir la media de la población y otras medidas estadísticas, como intervalos de confianza, regresión lineal y diferencias estadísticas. Dado que esta distribución utiliza puntuaciones \(t\)- para calcular probabilidades, queda fuera del ámbito de este artículo.

    Fórmula de las distribuciones muestrales

    La proporción de la muestra, denotada por \(\widehat{p}\), se calcula contando cuántos éxitos hay en la muestra (éxito significa que un individuo posee la característica de interés) y dividiéndolo por el tamaño total de la muestra \(n\)

    \[\widehat{p}=\frac{\text{número de éxitos en la muestra}}{n}.\}]

    La media muestral, denotada por \(\sobrelínea{x}), se calcula sumando todos los valores obtenidos de la muestra y dividiéndolos por el tamaño total de la muestra \(n\). La idea es la misma que hallar la media de un conjunto de datos. La fórmula es

    \[\overline{x}=\frac{x_1+x_2+...+x_n}{n},\]

    donde \(\overline{x}\) es la media muestral, \(x_i\) es cada uno de los valores de la muestra, y \(n\) es el tamaño de la muestra.

    Media y desviación típica de las distribuciones muestrales

    Todas las distribuciones de probabilidad tienen características que las distinguen. Las distribuciones muestrales no son una excepción, conocer la media y la desviación típica puede darte mucha información sobre la forma de la distribución.

    Media y desviación típica de la proporción muestral

    Sea \(p\) la proporción de éxito en una población y \(\widehat{p}\) la proporción muestral, es decir, la proporción de éxito en una muestra aleatoria de tamaño \(n\), entonces la distribución muestral de \(\widehat{p}\) tiene media y desviación típica dadas por \[\mu_widehat{p}=p,\text{ y }\, \sigma_widehat{p}=\sqrt{\frac{p(1-p)}{n}.\]

    Además, si \[np\geq 10,\text{ y }\, n(1-p)\geq 10,\] entonces, la distribución muestral de \(\widehat{p}) es similar a una distribución normal.

    Se selecciona una muestra aleatoria de una población que tiene una proporción de aciertos \(p=0,72\). Calcula la media y la desviación típica de la distribución muestral de \(\widehat{p}\) con un tamaño de muestra \(n=20\).

    Solución:

    Utilizando las fórmulas anteriores, la media es igual a la proporción de aciertos de la población, luego \[\mu_\widehat{p}=0,72,\} mientras que la desviación típica viene dada por \[\sigma_\widehat{p} =\sqrt{\frac{0,72(0,28)}{20}}aproximadamente 0,100,\}.

    Media y desviación típica de la media muestral

    Sea \(\mu\) la media y \(\sigma\) la desviación típica de la población. Si \(\overline{x}\) es la media muestral de una muestra aleatoria de tamaño \(n\), la distribución muestral de \(\overline{x}\) tiene una media y una desviación típica dadas por \[\mu_overline{x}=\mu,\texto{ y }\, \sigma_overline{x}=\frac{\sigma}{cuadrado{n}.\}].

    La desviación típica de la distribución muestral de las medias también se conoce como error típico de la media (EEM).

    Si el tamaño de la muestra \(n\) es suficientemente grande (según el Teorema del Límite Central, \(n\geq 30\) es suficiente), entonces, la distribución muestral de \(\overline{x}\) es similar a una distribución normal.

    Se selecciona una muestra aleatoria de una población con media \(\mu=80\) y desviación típica \(\sigma=5\). Calcula la media y la desviación típica de la distribución muestral de \(\overline{x}\) con tamaño de muestra \(n=35\).

    Solución:

    Utilizando las fórmulas anteriores, la media muestral es igual a la media de la población, por lo que \[\mu_overline{x}=80.\} Y para la desviación típica de la media muestral

    \[\sigma_\overline{x}=\frac{5}{\sqrt{35}}\approx 0.845.\]

    Ejemplos de distribuciones muestrales

    Veamos un ejemplo en el que se utilizan distribuciones muestrales.

    Un restaurante afirma que a \(30\%\) de sus clientes les gusta la piña en la pizza. Si hay \(100\) clientes un día determinado, ¿cuál es la probabilidad de que al menos \(40\%\) de esos clientes compren una pizza con piña?

    Solución:

    (1) Observa que \(p=0,30\), \((1-p)=0,70\) y el tamaño de la muestra es \(n=100\). Por tanto, la media \(\mu_{widehat{p}=0,30\}) y la desviación típica \[\sigma_{{widehat{p}}=\sqrt{\frac{(0,30)(0,70)}{100}}aproximadamente 0,046.\}].

    (2) Como \(np=100(0,30)=30>10\) y \(n(1-p)=100(0,70)=70>10\), entonces la distribución muestral de \(\widehat{p}) es similar a una distribución normal, y puedes utilizarla después para calcular la probabilidad.

    (3 ) Convirtiendo \(\widehat{p}\) en \(z\)-puntuación (para más detalles, consulta el artículo \(z\)-puntuaciones), tendrás

    \[\inicio{alineación} P(\aquello{p}>40) &= P\a la izquierda(z>frac{0,40-0,30}{0,046}\a la derecha) \a y=P(z>2,17) \a y =1-P(z<2,17) \a y= 1-0,9850 \a y=0,015.end{align}\a].

    Por tanto, la probabilidad de que al menos \(40\%\) de estos clientes pidan una pizza con piña es \(0,015\).

    Veamos un ejemplo más.

    Una empresa afirma que la vida media de sus bombillas es de \(2.000\) horas, con una desviación típica de \(300\) horas. ¿Cuál es la probabilidad de que una muestra aleatoria de 50 bombillas tenga una vida media inferior a 1.900 horas?

    Solución:

    (1) Como el tamaño de la muestra es \(n=50\), según el Teorema del Límite Central, la distribución muestral de la media \(\overline{x}\) sigue una distribución normal con media \(\mu_\overline{x}=2\,000\}) y desviación típica \[\sigma_overline{x}=\frac{300}{cuadrado{50}} \aprox 42,426. \].

    (2) Convirtiendo las puntuaciones \(\sobrelínea{x}) en puntuaciones \(z\) y utilizando la tabla normal estándar (para más información, consulta el artículo Distribución normal estándar), tendrás

    \[\begin{align} P(x<1,900) &=P(z<frac{1,900-2,000}{42,426}\a la derecha) &=P(z<-2,35) &= 0,0094. \end{align}\]

    Por tanto, la probabilidad de que, de una muestra de tamaño \(n=50) bombillas, la vida media sea inferior a \(1.900\) horas es \(0,0094\).

    Distribución muestral - Puntos clave

    • Una distribución muestral muestra todas las estadísticas posibles que pueden obtenerse de todas las muestras posibles de la población.
    • La distribución muestral de la proporción \(\widehat{p}\) tiene media y desviación típica \[\mu_\widehat{p}=p\, \text{ y } \,\sigma_\widehat{p}=\sqrt{\frac{p(1-p)}{n}}.\]
    • Cuando \(np\geq 10\) y \(n(1-p)\geq 10,\) la distribución muestral de la proporción \(\widehat{p}\) se comporta como una distribución normal.
    • La distribución muestral de la media \(\overline{x}\) tiene media y desviación típica \[\mu_\overline{x}=\mu,\text{ y }, \sigma_\overline{x}=\frac{\sigma}{\sqrt{n}.\}].
    • Cuando \(n\geq 30\), el Teorema del Límite Central establece que la distribución muestral de la media \(\overline{x}\) se comporta como una distribución normal.
    Preguntas frecuentes sobre Distribuciones de muestreo
    ¿Qué es una distribución de muestreo?
    Una distribución de muestreo es la distribución de una estadística calculada a partir de todas las posibles muestras de un tamaño específico de una población.
    ¿Para qué se utilizan las distribuciones de muestreo?
    Las distribuciones de muestreo se utilizan para entender el comportamiento de las estadística de las muestras y para formular inferencias sobre la población.
    ¿Cuál es la diferencia entre una distribución de muestreo y una distribución muestral?
    La distribución muestral es la distribución de una estadística específica obtenida en una muestra, mientras que la distribución de muestreo comprende todas las posibles muestras de un tamaño dado.
    ¿Por qué es importante la distribución de muestreo?
    Entender la distribución de muestreo es crucial para realizar inferencias precisas sobre una población, como estimaciones de intervalos y pruebas de hipótesis.
    Guardar explicación

    Pon a prueba tus conocimientos con tarjetas de opción múltiple

    Para utilizar la distribución normal para modelizar una distribución muestral de la media, debe cumplirse la siguiente condición relativa al tamaño de la muestra:

    La desviación típica de la distribución muestral de la proporción \(\widehat{p}\) puede calcularse mediante la fórmula ____.

    Para utilizar la distribución normal para modelizar una distribución muestral de proporción, debe cumplirse la siguiente condición:

    Siguiente
    How we ensure our content is accurate and trustworthy?

    At StudySmarter, we have created a learning platform that serves millions of students. Meet the people who work hard to deliver fact based content as well as making sure it is verified.

    Content Creation Process:
    Lily Hulatt Avatar

    Lily Hulatt

    Digital Content Specialist

    Lily Hulatt is a Digital Content Specialist with over three years of experience in content strategy and curriculum design. She gained her PhD in English Literature from Durham University in 2022, taught in Durham University’s English Studies Department, and has contributed to a number of publications. Lily specialises in English Literature, English Language, History, and Philosophy.

    Get to know Lily
    Content Quality Monitored by:
    Gabriel Freitas Avatar

    Gabriel Freitas

    AI Engineer

    Gabriel Freitas is an AI Engineer with a solid experience in software development, machine learning algorithms, and generative AI, including large language models’ (LLMs) applications. Graduated in Electrical Engineering at the University of São Paulo, he is currently pursuing an MSc in Computer Engineering at the University of Campinas, specializing in machine learning topics. Gabriel has a strong background in software engineering and has worked on projects involving computer vision, embedded AI, and LLM applications.

    Get to know Gabriel

    Descubre materiales de aprendizaje con la aplicación gratuita StudySmarter

    Regístrate gratis
    1
    Acerca de StudySmarter

    StudySmarter es una compañía de tecnología educativa reconocida a nivel mundial, que ofrece una plataforma de aprendizaje integral diseñada para estudiantes de todas las edades y niveles educativos. Nuestra plataforma proporciona apoyo en el aprendizaje para una amplia gama de asignaturas, incluidas las STEM, Ciencias Sociales e Idiomas, y también ayuda a los estudiantes a dominar con éxito diversos exámenes y pruebas en todo el mundo, como GCSE, A Level, SAT, ACT, Abitur y más. Ofrecemos una extensa biblioteca de materiales de aprendizaje, incluidas tarjetas didácticas interactivas, soluciones completas de libros de texto y explicaciones detalladas. La tecnología avanzada y las herramientas que proporcionamos ayudan a los estudiantes a crear sus propios materiales de aprendizaje. El contenido de StudySmarter no solo es verificado por expertos, sino que también se actualiza regularmente para garantizar su precisión y relevancia.

    Aprende más
    Equipo editorial StudySmarter

    Equipo de profesores de Matemáticas

    • Tiempo de lectura de 10 minutos
    • Revisado por el equipo editorial de StudySmarter
    Guardar explicación Guardar explicación

    Guardar explicación

    Sign-up for free

    Regístrate para poder subrayar y tomar apuntes. Es 100% gratis.

    Únete a más de 22 millones de estudiantes que aprenden con nuestra app StudySmarter.

    La primera app de aprendizaje que realmente tiene todo lo que necesitas para superar tus exámenes en un solo lugar.

    • Tarjetas y cuestionarios
    • Asistente de Estudio con IA
    • Planificador de estudio
    • Exámenes simulados
    • Toma de notas inteligente
    Únete a más de 22 millones de estudiantes que aprenden con nuestra app StudySmarter.

    Únete a más de 30 millones de estudiantes que aprenden con nuestra aplicación gratuita Vaia.

    La primera plataforma de aprendizaje con todas las herramientas y materiales de estudio que necesitas.

    Intent Image
    • Edición de notas
    • Tarjetas de memoria
    • Asistente de IA
    • Explicaciones
    • Exámenes simulados