jales

INSTITUTO TECNOLOGICO SUPERIOR DE CENTLA

Nombre del profesor: Tomas Javier Trejo Bautista

Nombre del alumno: María del Roció Cruz Torres

Carrera: ingeniería industrial

Semestre: tercer semestre

Trabajo: unidad 1







INTRODUCCION


A lo largo de este documento se presentan los contenidos y herramientas con su aplicación en la realidad, que un estudiante de Estadísticainferencial necesita conocer para obtener un aprendizaje de mayor calidad y desempeño exitoso en las pruebas de evaluación. Es por ello, que se resumen de los principales conceptos que permiten entender a la Estadística inferencial como una disciplina científica más que una mera técnica para generar números. 

















Características
Ventajas
InconvenientesAleatorio simple
Para obtener una muestra de población y se selecciona al azar la n elementos que contienen la muestra.
Método conceptual simple.
La selección de la muestra puede realizarse a través de cualquier mecanismo.
Procedimiento simple.
Necesita ordenamiento de la población o universo con el que se trabajara.
Tiene poca utilidad cuando la población es muy grande.
Sistémico
Se elige unindividuo al azar y a partir de él, a intervalos constantes, se eligen los demás hasta a completar la muestra.
Aplicación fácil.
Los elementos no serán repetitivos en la muestra.
En ocasiones la selección de la muestra no puede resultar tan variada como se espera.
Estratificado
Se divide la población en clases o estratos y se encojen aleatoriamente un número de individuos de cada estrado oproporcional al número.
Se obtienen resultados más exactos.
Asegura una buena representación de la que cuenta con las características de la muestra.
Para la clasificación se debe conocer la distribución de las características en la población.
Conglomerados
Se realizan varias faces de muestreo sucesivas la necesidad de listados de las unidades de una etapa se limita a aquellas unidades demuestreo seleccionadas en la etapa anterior.
Eficiente en poblaciones grandes.
No es necesario tener un listado de la población, solo de los grupos.
Calculo de error estándar complicado.
Tiene más margen de error que otros tipos de muestreos probabilístico.










1.3 Teorema del límite central
Considere una distribución para la que pueda construirse la distribución de muestreoteórica de todas las muestras posibles. Para este ejemplo considérese todas las muestras posibles de tamaño 2 que puedan ser seleccionadas de una población constituida por los siguientes tres números: 2, 4, 6.
Datos:
Tamaño de la muestra =2
Poblacion = 2, 4, 6.
Formulas a utilizar:
Media
Desviación estándar
Error estándar
Tabla #1. Distribución de probabilidad de
X
P(x)
xP(X)

21/3
2/3
4(1/3)=4/3
4
1/3
4/3
16(1/3)=16/3
6
1/3
6/3
36(1/3)=36/3
Total
3/3
12/3
56/3




1) Calcular M


2) Calcular









Tabla #2. Todas las muestras posibles de tamaño 2.
Muestras posibles

2,2
2
2,4
3
2,6
4
4,2
3
4,4
4
4,6
5
6,2
4
6,4
5
6,6
6
Sumatoria de la media
36

1) Calcular M






Tabla #3 distribución deprobabilidad para las medias de todas las muestras posibles de tamaño 2.

P()


2
1/9
2/9
4/9
3
2/9
6/9
18/9
4
3/9
12/9
48/9
5
2/9
10/9
50/9
6
1/9
6/9
36/9
total
9/9
36/9
156/9

1)




2)


1.4.1 Distribución muestral de la media.
Supóngase que de una población finita de tamaño Np>N se extraen, sin reposición, todas las muestras posibles de tamaño N.
Si se denotancon µẋ y σẋ respectivamente, a la media y a la desviación estándar de una distribución muestral de las medias, y con µ y σ, respectivamente la media y la desviación estándar poblacional, entonces
y


Su población es infinita o si el muestreo se hace con reposición, las formulas anteriores se reducen a

y


Si el valor de N es grande (N≥30), la distribución muestral de las...