Mapa mental
Tipos de Estadísticos de Distribución

Contenido del mapa
Tipos de Estadísticos de Distribución
Distribución muestral de la razón de dos varianzas
- Ejemplos
- Se quiere comparar la dispersión de calificaciones de estudiantes bajo dos métodos de enseñanza distintos. Se toman muestras de tamaños 𝑛 1= 15 y 𝑛 2= 20, con varianzas 𝑆1^2= 25 y 𝑆 2^2 = 16. 𝐹 = 𝑆 1^2 / 𝑆 2^2 = 25 /16 = 1.5625. Si el valor de 𝐹 se encuentra dentro del rango de aceptación según la tabla de distribución F, se concluye que las varianzas no son significativamente diferentes.
- Dos máquinas producen tornillos, y queremos verificar si tienen la misma variabilidad en la longitud de los tornillos. Se toman muestras de tamaño 𝑛 1 = 12 y 𝑛 2 = 10, obteniendo varianzas muestrales 𝑆 1^2 = 0.004 y 𝑆 2^2 = 0.002. 𝐹 = 𝑆 1^2 𝑆 2^2 = 0.004 / 0.002 = 2. Se compara con el valor crítico de la tabla F para (11,9) grados de libertad a un nivel de significancia 𝛼 = 0.05. Si 𝐹 calculado supera el valor crítico, se concluye que hay una diferencia significativa en la variabilidad.
- Teorema
- Si 𝑆 1^2 y 𝑆 2^2 son varianzas muestrales independientes obtenidas de dos muestras aleatorias de poblaciones normales con varianzas poblacionales 𝜎 1^2 y 𝜎 2^2 , entonces la razón de estas varianzas sigue una distribución F de Fisher con 𝑛 1 − 1 y 𝑛 2 − 1 grados de libertad: 𝐹 = 𝑆 1^2 / 𝜎 1^2 / 𝑆 2^2 / 𝜎 2^2 ∼ 𝐹 ( 𝑛 1 − 1 , 𝑛 2 − 1 ).
- Es una distribución de probabilidad que se utiliza en estadística para comparar la variabilidad de dos muestras diferentes. La razón de varianza es el cociente de dos variables muestrales. Específicamente, si tenemos dos muestras aleatorias independientes de dos poblaciones diferentes, la razón de varianza se calcula como la varianza muestral de una de las muestras dividida por la varianza muestral de la otra muestra.
- Aplicaciones
- Pruebas de homogeneidad de varianzas en ANOVA (análisis de varianza).
- Comparación de dispersión en dos poblaciones, por ejemplo, variabilidad de rendimiento entre dos fábricas.
- Análisis de calidad y control de procesos, determinando si la variabilidad en diferentes líneas de producción es significativamente diferente.
- Fórmula
- Estadístico de prueba para la razón de varianzas: F= S1^2 / S2^2
- Ejemplos
Distribución muestral de la media
- Teorema
- Establece que para una población con media μ y varianza σ^2 si se toman muestras aleatorias de tamaño n suficientemente grande, la distribución de la media muestral X ˉ se aproxima a una distribución normal, independientemente de la distribución original de la población.
- Fórmulas
- Su media, que coincide con la media poblacional μ.
- Pulido Sánchez Paulina
- Su varianza, que viene dada por la varianza de la población σ^2 dividida entre el tamaño de la muestra n, σ^2 / n.
- La distribución muestral de la media m es N (μ, σ^2 / n). La media muestral tipificada sigue una distribución normal estándar, N (0,1), y se calcula como: m=m - μ / σ / √n.
- Su media, que coincide con la media poblacional μ.
- Aplicaciones
- Estimación de parámetros: Se utiliza para estimar la media poblacional ( 𝜇 ) a partir de la media muestral ( 𝑥 ˉ ). Según el teorema del límite central, si el tamaño de la muestra es suficientemente grande ( 𝑛 ≥ 30 ), la distribución de la media muestral tiende a ser normal, independientemente de la distribución de la población.
- Construcción de intervalos de confianza: La distribución muestral de la media permite construir intervalos de confianza para estimar la media poblacional con un margen de error conocido.
- Pruebas de hipótesis: Se utiliza para contrastar hipótesis sobre la media poblacional. Por ejemplo, en una prueba 𝑡 t de Student, se compara la media muestral con un valor hipotético de la media poblacional.
- Ejemplos
- Supongamos que la altura promedio de todos los estudiantes de una universidad es de 170 cm con una desviación estándar de 10 cm. Si tomamos múltiples muestras aleatorias de n = 25 estudiantes y calculamos la media de cada muestra, estas medias formarán una distribución muestral con una media esperada de 170 cm y una desviación estándar de: 𝜎 𝑋 ˉ = 𝜎 / √𝑛 = 10 / √25 = 2. Es decir, la distribución muestral de la media tendrá una media de 170 cm y una desviación estándar de 2 cm.
- Un instituto de investigación quiere estimar el ingreso mensual promedio de los habitantes de una ciudad. Se toma una muestra aleatoria de 100 personas, obteniendo una media muestral de 𝑥 ˉ = 15 , 000 con una desviación estándar poblacional de 𝜎 = 3 , 000 pesos. 𝜎 𝑥 ˉ = 3000√ 100 = 300. Si se quiere calcular un intervalo de confianza del 95%, se usa el valor crítico 𝑍 = 1.96 Z=1.96: 𝑥 ˉ ± 𝑍 ⋅ 𝜎 𝑥 ˉ = 15000 ± ( 1.96 × 300 ) =15000± 588 = [14,412,15,588] . Esto significa que con un 95% de confianza, la media poblacional se encuentra entre 14,412 y 15,588 pesos.
- Teorema
Distribución muestral de una proporción
- Teorema
- La proporción es el número de elementos de un cierto tipo presentes es un conjunto dividido entre el número total de elementos. Es una muestra se suele denotar por p, y la proporción de elementos que no presentan la característica en cuestión es entonces 1-p. En una población, se suelen denotar π y 1-π, respectivamente. La proporción p en muestras grandes (n>30) extraídas al azar de una población con proporción π tiende a seguir una distribución de probabilidad normal.
- Fórmulas
- Su media, que coincide con la proporción poblacional
- Su varianza, que viene dada por el producto de las proporciones poblacionales de los elementos que presentan y que no presentan la característica en cuestión, dividido entre el tamaño de la muestra n, es decir, π (1-π) / n.
- La distribución muestral de la proporción p es N (π, π(1-π) / n). La proporción tipificada sigue una distribución normal estándar, N(0,1), y se calcula como: p= p-π /√π (1-π) / n.
- Aplicaciones
- Estimación de proporciones: Se usa para estimar la proporción de éxito en una población a partir de una muestra y construir intervalos de confianza.
- Pruebas de hipótesis: Permite evaluar si una proporción poblacional es significativamente diferente a un valor dado mediante pruebas estadísticas.
- Ejemplos
- En una encuesta a 500 personas, el 40% de los encuestados apoya a un candidato. Si la proporción real de apoyo en la población es 𝑝 = 0.42, ¿Cuál es la probabilidad de obtener una muestra con 𝑝 ^ ≤ 0.40? 𝑝 = 0.42, 𝑛 = 500, 𝑝 ^ = 0.40. Error estándar: 𝜎 𝑝 ^=√0.42 (1-0.42) / 500= √0.42 (0.58) / 500≈0.0217. Estadística Z: Z=0.40 - 0.42 / 0.0217= -0.02 / 0.0217 ≈-0.92. Buscando en la tabla Z, la probabilidad es aproximadamente 0.1788, lo que indica que hay un 17.88% de probabilidad de obtener una muestra con p^≤0.40.
- Un fabricante de bombillas sabe que el 5% de su producción es defectuosa. Se selecciona aleatoriamente una muestra de 200 bombillas. ¿Cuál es la probabilidad de que menos del 3% sean defectuosas? 𝑝 = 0.05, 𝑛 = 200, 𝑝 ^ = 0.03. Error estándar: 𝜎𝑝^ =√0.05 ( 1 − 0.05 ) / 200 = √0.05 (0.95) / 200 ≈ 0.0154. Estadístico Z: 𝑍 = 0.03 − 0.05 / 0.0154 = − 0.02 / 0.0154 ≈ − 1.30. En la tabla Z, la probabilidad es 0.0968, por lo que hay aproximadamente un 9.68% de probabilidad de que menos del 3% de las bombillas en la muestra sean defectuosas.
- Teorema
Distribución muestral de diferencia de medias
- Teorema
- Cuando se toman dos muestras aleatorias independientes de poblaciones con medias μ1 y μ2 y varianzas σ1^2 y σ2^2, la distribución de la diferencia de medias muestrales X ˉ1 - X ˉ2 sigue aproximadamente una distribución normal si el tamaño de muestra es suficientemente grande.
- Ejemplos
- Una empresa quiere comparar los salarios promedio de empleados en dos sucursales diferentes. Se toman dos muestras aleatorias: Sucursal A: media = 25,000 pesos, desviación estándar = 4,000 pesos, n = 40. Sucursal B: media = 27,000 pesos, desviación estándar = 3,500 pesos, n = 35. La distribución muestral de la diferencia de medias seguirá aproximadamente una distribución normal con media: 𝜇 𝑋 ˉ𝐴 − 𝑋 ˉ𝐵 = 25 000 − 27 000 = − 2 000 y varianza: 𝜎^2𝑋 ˉA − 𝑋 ˉB = 4000^2 / 40 + 3500^2 / 35. Esto permite calcular intervalos de confianza o realizar pruebas de hipótesis.
- Un investigador quiere comparar el desempeño de dos grupos de estudiantes en un examen de matemáticas: Grupo 1: media = 78, desviación estándar = 10, n = 50. Grupo 2: media = 82, desviación estándar = 12, n = 45. La diferencia de medias es: 𝜇 𝑋 ˉ1 − 𝑋 ˉ2 = 78 − 82 = − 4. La varianza de la diferencia de medias es: 𝜎^2𝑋 ˉ1 − 𝑋 ˉ2 = 10^2 / 50 + 12^2 / 45. Si la diferencia es significativa, se podría concluir que un grupo tuvo un mejor rendimiento en el examen.
- Fórmulas
- Su media, que coincide con la diferencia de las medias poblacionales μ1 - μ2.
- Su varianza, que depende de las varianzas de ambas poblaciones y del tamaño de ambas muestras, n1 y n2, y que viene dada por σ1^2 y σ2^2, la distribución de la diferencia de medias muestrales X ˉ1 − X ˉ2 sigue aproximadamente una distribución una distribución normal si el tamaño de muestra es suficientemente grande.
- La distribución muestral de la diferencia de medias m1 - m2 es N (μ1 - μ2, σ1^2 / n1 + σ2^2 /n2.
- La diferencia de medias muestrales tipificada sigue una distribución normal estándar, N(0,1), y se calcula como: (m1-m2)_ (m1-m2) - (μ1 - μ2) / √σ1^2/n1 + σ2^2 / n2.
- Aplicaciones
- Pruebas de hipótesis: Se utiliza para comparar medias de dos grupos, por ejemplo, en estudios médicos o pruebas de productos.
- Intervalos de confianza: Para estimar la diferencia entre dos medias poblacionales con cierto nivel de confianza.
- Teorema
Distribución muestral de la varianza muestral
- Ejemplos
- Una empresa mide la variabilidad del peso de sus productos. Toma una muestra de tamaño 𝑛 = 10 y obtiene una varianza muestral de s^2 = 4. Construya un intervalo de confianza del 95% para la varianza poblacional. Solución: Grados de libertad: 𝑛 − 1 = 9. Valores críticos de 𝜒^2 con 9 g.l. al 95% (consultando tabla chi-cuadrado): 𝜒^2 0.025 , 9= 19.023. χ^2 0.975 ,9 = 2.700. Intervalo de confianza: ( ( 9 ) ( 4 ) / 19.023 , ( 9 ) ( 4 ) 2.700 ) = ( 1.89 , 13.33 ). Por lo que se estima que la varianza poblacional está entre 1.89 y 13.33 con un 95% de confianza.
- Una fábrica afirma que la varianza del diámetro de sus tornillos es 𝜎^2 = 2.5. Se toma una muestra de 𝑛 = 15 y se obtiene una varianza muestral de 𝑆^2 = 4.2. ¿Es razonable dudar de la afirmación de la fábrica con un nivel de significancia del 5%? χ^2 = (n−1 )S^2 /σ2^0 = (14)(4.2) / 2.5 =23.52. Valores críticos de 𝜒^2 0.025= 26.119. x^2 0.975= 5.629. Como 5.629 < 23.52 < 26.119, no rechazamos 𝐻 0 . No hay evidencia suficiente para decir que la varianza es distinta de 2.5.
- Fórmulas
- S^2 ~ σ ^2 / n-1 x^2 n-1
- Aplicaciones
- Construcción de Intervalos de Confianza para 𝜎^2. Utilizando la distribución chi-cuadrado, podemos construir intervalos de confianza para la varianza poblacional 𝜎^2.
- Pruebas de Hipótesis sobre la Varianza Poblacional Se pueden realizar pruebas como: Se usa la estadística: 𝜒^2 = (𝑛 − 1) s^2 / 𝜎^2 y se compara con valores críticos de la distribución chi-cuadrado.
- Teorema
- Está relacionada con la distribución Chi-cuadrado (X^2) cuando la población original es normal. Específicamente, si X1,X2,...Xn son n observaciones de una población normal con varianza σ2, entonces la varianza muestral multiplicada por (n-1) / σ2 sigue una distribución X^2 con n-1 grados de libertad.
- Ejemplos
Distribución muestral de la diferencia de dos proporciones
- Teorema
- El proceso para obtener a distribución muestral de la diferencia de proporciones consiste en, primero, extraer todas las muestras posibles de dos poblaciones diferentes, en segundo lugar, se determina la proporción de cada muestra extraída y, por último, se calcula la diferencia entre todas las proporciones de las dos poblaciones. De manera que el conjunto de resultados obtenidos después de hacer estas operaciones forman la distribución muestral de la diferencia de proporciones.
- Fórmulas
- μ p^1-p^2= p1 - p2
- σp^1 - p^2= √p1q1 / n1 + p2q2 / n2
- Np (p1 - p2, √p1q1 / n1 + p2q2 / n2)
- Aplicaciones
- Comparación de proporciones en estudios médicos: Se usa para determinar si una nueva medicina tiene una mayor efectividad que un tratamiento existente.
- Encuestas y estudios de opinión pública: Para comparar la proporción de personas que apoyan una política en dos regiones diferentes.
- Control de calidad: Para verificar si la tasa de defectos en dos líneas de producción es diferente.
- Ejemplos
- Un estudio quiere comparar la efectividad de una nueva vacuna contra la gripe en dos grupos de 500 personas cada uno. En el grupo 1 (vacunados), 80 personas contrajeron la gripe ( 𝑝^1 = 80 / 500 = 0.16). En el grupo 2 (no vacunados), 150 personas contrajeron la gripe ( 𝑝^2 = 150 / 500 = 0.30).
- Una empresa encuestó a 400 consumidores en dos ciudades para conocer su preferencia por un producto. En la ciudad A, 220 personas prefieren el producto ( 𝑝^1 = 220 / 400 = 0.55). En la ciudad B, 180 personas lo prefieren ( 𝑝^2 = 180 / 400 = 0.45). Se usa la distribución muestral para ver si hay una diferencia estadísticamente significativa en la preferencia por el producto entre las dos ciudades.
- Teorema
Imágenes y archivos del mapa
Información
- Descripción
- Mapa Mental sobre Tipos de Estadísticos de Distribución, creado por coco cocos el 15/03/2025.
- Creado por
- coco cocos
- Visitas
- 0
- Valoración


