Considerando un muestreo aleatorio simple, según el Teorema Central del Límite, la distribución en el muestreo de la variable aleatoria suma de variables independientes \lbrace X_i \rbrace, para i=1,\ldots,n, con la misma media y la misma varianza que la variable aleatoria X de la población ( las cuales aparecen en el muestreo de una población de media \mu y desviación estándar \sigma ) tiende a una distribución normal N(n\mu,\sigma\,\sqrt{n}).
En otras palabras, el estadístico media muestral, \bar{X}, es una variable aleatoria que tiene una distribución de probabilidad ( en el muestreo ) normal, N(\mu,\sigma/\sqrt{n}), con lo cual podemos decir también que la variable tipificada \dfrac{\bar{X}-\mu}{\sigma/\sqrt{n}} ( de dicho estadístico ) tiene distribución de probabilidad N(0,1)
Mediante una medida, \bar{x}, del estadístico media muestral \bar{X}, en una muestra de tamaño n de una población podemos estimar el valor del parámetro \mu de la población ( media poblacional ); por esa razón, denominamos estimador al estadístico media muestral.
Esto, no sólo podemos hacerlo con la media: en general, se puede hacer con cualquier parámetro, \theta, de la población ( cuyo estadístico estimador es \hat{\Theta} ), por ejemplo con la varianza de la población, \sigma^2, que se puede estimar mediante el estadístico/estimador \hat{S^2} ( denominado cuasivarianza muestral ); sin embargo, en este curso, nos ocuparemos solamente de la estimación de la media y, alguna que otra vez, de la varianza ( en las situaciones menos complicadas ).
Expondremos cuatro aplicaciones/ejemplos relacionadas con el Teorema Central del Límite en cuanto a los estadísticos muestrales que tienen como modelo de variable aleatoria una función de distribución ( en el muestreo ) de tipo normal:
a) Distribución en el muestreo, de tamaño n, del estadístico \bar{X} que sirve para estimar la media, \mu, poblacional. Este estadístico ( estimador ), \bar{X}, es N \left( \mu, \sigma/\sqrt{n} \right)
b) Distribución en el muestreo, de tamaño n, del estadístico \hat{S} que sirve para estimar una suma poblacional p. Este estadístico ( estimador ), \hat{S}, es N \left( n\mu, \sigma\,\sqrt{n} \right)
c) Distribución en el muestreo, de tamaño n, del estadístico \hat{P} que sirve para estimar una proporción poblacional. Este estadístico ( estimador ), \hat{P}, es N \left( p,\sqrt{\dfrac{p\,(1-p)}{n}} \right)
d) Distribución en el muestreo, de tamaño n, del estadístico \bar{X_1}-\bar{X_2} que sirve para estimar la diferencia de dos medias, \mu-\mu_2, correspondientes a dos poblaciones. Este estadístico ( estimador ), \bar{X_1}-\bar{X_2}, es N \left( \mu_1-\mu_2 , \sqrt{\dfrac{\sigma_1}{n_1}+\dfrac{\sigma_2}{n_2}} \right)
\square
No hay comentarios:
Publicar un comentario
Gracias por tus comentarios