Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Teorema Central del Límite: Distribución Normal de Proporciones Muestrales - Prof. Algarab, Apuntes de Estadística

El teorema central del límite se refiere a la distribución de las proporciones muestrales en el contexto de muestreo repetido. Cuando se extraen muchas muestras, la distribución de las proporciones muestrales se aproxima a una distribución normal. Este teorema es fundamental en estadística para estimar parámetros y hacer inferencias estadísticas.

Tipo: Apuntes

2013/2014

Subido el 21/05/2014

usuario desconocido
usuario desconocido 🇪🇸

1 / 3

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
TEOREMA CENTRAL DEL LÍMITE PARA PROPORCIONES MUESTRALES
- Situación: se extraen muchas muestras de valores (muestreo repetidamente).
- Calculamos la proporción referida a cada muestra.
- Dibujamos un histograma de todas las proporciones de todas las muestras posibles.
- Resultado: La distribución muestral de las proporciones.
DISTRIBUCIÓN DE LAS PROPORCIONES MUESTRALES
El centro del histograma: la proporción verdadera, p, en la población.
Forma: unimodal, simétrico y centrado en p (p = media)
Conclusión: la distribución Normal es el modelo adecuado para el histograma de proporciones
muestrales.
Para un modelo normal, µ, media de la Normal, en p.
Y la desviación típica...
Desviación típica:
Así que el modelo es:
Distribución normal de proporciones.
Tablas de la curva normal: proporción de casos por debajo de un punto determinado. Si miro la
tabla y miro la puntuación del eje horizontal, y miro dentro, me sale una puntuación, que es lo
de la izquierda.
El área de la curva es 1 en términos de proporciones.
En teoría es infinito, pero se coge el 3 como que ya....
TEOREMA CENTRAL DEL LÍMITE PARA PROPORCIONES
Debido a que podemos adoptar un modelo Normal, sabemos, por
ejemplo, que el 95% de los valores normalmente distribuidos se
pf3

Vista previa parcial del texto

¡Descarga Teorema Central del Límite: Distribución Normal de Proporciones Muestrales - Prof. Algarab y más Apuntes en PDF de Estadística solo en Docsity!

TEOREMA CENTRAL DEL LÍMITE PARA PROPORCIONES MUESTRALES

  • Situación: se extraen muchas muestras de valores (muestreo repetidamente).
  • Calculamos la proporción referida a cada muestra.
  • Dibujamos un histograma de todas las proporciones de todas las muestras posibles.
  • Resultado: La distribución muestral de las proporciones.

DISTRIBUCIÓN DE LAS PROPORCIONES MUESTRALES El centro del histograma: la proporción verdadera, p, en la población. Forma: unimodal, simétrico y centrado en p (p = media) Conclusión: la distribución Normal es el modelo adecuado para el histograma de proporciones muestrales. Para un modelo normal, μ, media de la Normal, en p. Y la desviación típica...

Desviación típica:

Así que el modelo es:

Distribución normal de proporciones.

Tablas de la curva normal: proporción de casos por debajo de un punto determinado. Si miro la tabla y miro la puntuación del eje horizontal, y miro dentro, me sale una puntuación, que es lo de la izquierda.

El área de la curva es 1 en términos de proporciones.

En teoría es infinito, pero se coge el 3 como que ya.... TEOREMA CENTRAL DEL LÍMITE PARA PROPORCIONES

Debido a que podemos adoptar un modelo Normal, sabemos, por

ejemplo, que el 95% de los valores normalmente distribuidos se

encuentran en más menos dos desviaciones típicas en torno a la

media.

Error de muestro o variabilidad de muestreo. La desv. típica de una distribución de muestreo se llama error típico

SUPUESTOS Y CONDICIONES (cuándo se cumple el modelo de la curva normal) Supuestos que han de cumplirse para que se pueda aplicar el teorema del límite central:

  1. Independencia: Los valores muestreados deben ser independientes entre sí.
  2. Tamaño muestral: el tamaño muestral, n, tiene que ser suficientemente grande.

¿Cómo se comprueba esto en la práctica (para el caso de la distribución de muestreo de las proporciones )?

  • Condición de Aleatorización: Muestra Aleatoria (indica que hay independencia)
  • Condición 10%: n, no debe ser mayor que el 10% de la población. Como en la realidad no hay muestreo con reemplazamiento (no puedes utilizar a la misma persona dos veces), hay un requisito: la muestra que saco tiene que ser menor que el 10% de la población.
  • Condición de acierto/fallo: el tamaño muestral debe ser lo suficientemente grande para que tanto np (número de aciertos) y nq (número de fallos - complementario-) sean al menos 10. Hay que multiplicar el n por p y n por q, y mínimo tienen que dar 10 para que sea válido. Ejemplo en el que no se cumple: en una muestra hay un 1% de hombres. Problema

¿Y LOS DATOS CUANTITATIVOS?

Podemos hacer algo similar? SI Distribución de muestreo de la media (SIMULACION) Conforme aumenta la muestra (número de dados), el promedio de cada muestra está cada vez más próximo a la media de la población. Y la distribución de muestreo de la media se convierte en normal.

TEOREMA FUNDAMENTAL DE LA ESTADÍSTICA La distribución de muestreo de cualquier media se hace cada vez más normal conforme el tamaño de la muestra crece. Todo lo que necesitamos es que las observaciones sean independientes y extraídas al azar. ….y no nos debe importar la forma de la distribución de la población! Este es el Teorema Central del Límite. Lo raro del teorema es que: