Omitir e ir al contenidoIr a la página de accesibilidadMenú de atajos de teclado
Logo de OpenStax
Introducción a la estadística empresarial

7.3 Teorema del límite central de las proporciones

Introducción a la estadística empresarial7.3 Teorema del límite central de las proporciones

Índice
  1. Prefacio
  2. 1 Muestreo y datos
    1. Introducción
    2. 1.1 Definiciones de estadística, probabilidad y términos clave
    3. 1.2 Datos, muestreo y variación de datos y muestreo
    4. 1.3 Niveles de medición
    5. 1.4 Diseño experimental y ética
    6. Términos clave
    7. Repaso del capítulo
    8. Tarea para la casa
    9. Referencias
    10. Soluciones
  3. 2 Estadística descriptiva
    1. Introducción
    2. 2.1 Datos mostrados
    3. 2.2 Medidas de la ubicación de los datos
    4. 2.3 Medidas del centro de los datos
    5. 2.4 Notación sigma y cálculo de la media aritmética
    6. 2.5 Media geométrica
    7. 2.6 Distorsión y media, mediana y moda
    8. 2.7 Medidas de la dispersión de los datos
    9. Términos clave
    10. Repaso del capítulo
    11. Repaso de fórmulas
    12. Práctica
    13. Tarea para la casa
    14. Resúmalo todo: tarea para la casa
    15. Referencias
    16. Soluciones
  4. 3 Temas de probabilidad
    1. Introducción
    2. 3.1 Terminología
    3. 3.2 Eventos mutuamente excluyentes e independientes
    4. 3.3 Dos reglas básicas de la probabilidad
    5. 3.4 Tablas de contingencia y árboles de probabilidad
    6. 3.5 Diagramas de Venn
    7. Términos clave
    8. Repaso del capítulo
    9. Repaso de fórmulas
    10. Práctica
    11. Uniéndolo todo: Práctica
    12. Tarea para la casa
    13. Resúmalo todo: tarea para la casa
    14. Referencias
    15. Soluciones
  5. 4 Variables aleatorias discretas
    1. Introducción
    2. 4.1 Distribución hipergeométrica
    3. 4.2 Distribución binomial
    4. 4.3 Distribución geométrica
    5. 4.4 Distribución de Poisson
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  6. 5 Variables aleatorias continuas
    1. Introducción
    2. 5.1 Propiedades de las funciones de densidad de probabilidad continuas
    3. 5.2 La distribución uniforme
    4. 5.3 La distribución exponencial
    5. Términos clave
    6. Repaso del capítulo
    7. Repaso de fórmulas
    8. Práctica
    9. Tarea para la casa
    10. Referencias
    11. Soluciones
  7. 6 La distribución normal
    1. Introducción
    2. 6.1 La distribución normal estándar
    3. 6.2 Uso de la distribución normal
    4. 6.3 Estimación de la binomial con la distribución normal
    5. Términos clave
    6. Repaso del capítulo
    7. Repaso de fórmulas
    8. Práctica
    9. Tarea para la casa
    10. Referencias
    11. Soluciones
  8. 7 El teorema del límite central
    1. Introducción
    2. 7.1 Teorema del límite central de las medias muestrales
    3. 7.2 Uso del teorema del límite central
    4. 7.3 Teorema del límite central de las proporciones
    5. 7.4 Factor de corrección de población finita
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  9. 8 Intervalos de confianza
    1. Introducción
    2. 8.1 Un intervalo de confianza para una desviación típica de la población, con un tamaño de muestra conocido o grande
    3. 8.2 Un intervalo de confianza para una desviación típica de población desconocida, caso de una muestra pequeña
    4. 8.3 Un intervalo de confianza para una proporción de población
    5. 8.4 Cálculo del tamaño de la muestra n: variables aleatorias continuas y binarias
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  10. 9 Pruebas de hipótesis con una muestra
    1. Introducción
    2. 9.1 Hipótesis nula y alternativa
    3. 9.2 Resultados y errores de tipo I y II
    4. 9.3 Distribución necesaria para la comprobación de la hipótesis
    5. 9.4 Ejemplos de pruebas de hipótesis completas
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  11. 10 Pruebas de hipótesis con dos muestras
    1. Introducción
    2. 10.1 Comparación de las medias de dos poblaciones independientes
    3. 10.2 Criterios de Cohen para efectos de tamaño pequeño, mediano y grande
    4. 10.3 Prueba de diferencias de medias: suponer varianzas de población iguales
    5. 10.4 Comparación de dos proporciones de población independientes
    6. 10.5 Dos medias poblacionales con desviaciones típicas conocidas
    7. 10.6 Muestras coincidentes o emparejadas
    8. Términos clave
    9. Repaso del capítulo
    10. Repaso de fórmulas
    11. Práctica
    12. Tarea para la casa
    13. Resúmalo todo: tarea para la casa
    14. Referencias
    15. Soluciones
  12. 11 La distribución chi-cuadrado
    1. Introducción
    2. 11.1 Datos sobre la distribución chi-cuadrado
    3. 11.2 Prueba de una sola varianza
    4. 11.3 Prueba de bondad de ajuste
    5. 11.4 Prueba de independencia
    6. 11.5 Prueba de homogeneidad
    7. 11.6 Comparación de las pruebas chi-cuadrado
    8. Términos clave
    9. Repaso del capítulo
    10. Repaso de fórmulas
    11. Práctica
    12. Tarea para la casa
    13. Resúmalo todo: tarea para la casa
    14. Referencias
    15. Soluciones
  13. 12 La distribución F y el anova de una vía
    1. Introducción
    2. 12.1 Prueba de dos varianzas
    3. 12.2 ANOVA de una vía
    4. 12.3 La distribución F y el cociente F
    5. 12.4 Datos sobre la distribución F
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  14. 13 Regresión lineal y correlación
    1. Introducción
    2. 13.1 El coeficiente de correlación r
    3. 13.2 Comprobación de la importancia del coeficiente de correlación
    4. 13.3 Ecuaciones lineales
    5. 13.4 La ecuación de regresión
    6. 13.5 Interpretación de los coeficientes de regresión: elasticidad y transformación logarítmica
    7. 13.6 Predicción con una ecuación de regresión
    8. 13.7 Cómo utilizar Microsoft Excel® para el análisis de regresión
    9. Términos clave
    10. Repaso del capítulo
    11. Práctica
    12. Soluciones
  15. A Cuadros estadísticos
  16. B Oraciones, símbolos y fórmulas matemáticas
  17. Índice

El teorema del límite central nos dice que la estimación puntual de la media muestral, x¯x¯, proviene de una distribución normal de x¯x¯'s. Esta distribución teórica se denomina distribución muestral de x¯x¯'s. Ahora investigamos la distribución de muestreo para otro parámetro importante que deseamos estimar; p de la función de densidad de probabilidad binomial.

Si la variable aleatoria es discreta, como en el caso de los datos categóricos, el parámetro que deseamos estimar es la proporción de la población. Esta es, por supuesto, la probabilidad de obtener un éxito en cualquier sorteo aleatorio. A diferencia del caso que acabamos de discutir para una variable aleatoria continua en la que no conocíamos la distribución poblacional de las X, aquí sí conocemos la función de densidad de probabilidad subyacente para estos datos; es la binomial. La variable aleatoria es X = el número de aciertos y el parámetro que deseamos conocer es p, la probabilidad de sacar un acierto que es, por supuesto, la proporción de aciertos en la población. La pregunta que se plantea es: ¿a partir de qué distribución se obtuvo la proporción de la muestra, p'=xnp'=xn extraída? El tamaño de la muestra es n y X es el número de aciertos encontrados en esa muestra. Se trata de una pregunta paralela a la que acaba de responder el teorema del límite central: ¿de qué distribución era la media de la muestra, x¯x¯, extraída? Vimos que una vez que supimos que la distribución era la normal, pudimos crear intervalos de confianza para el parámetro poblacional: µ. También utilizaremos esta misma información para comprobar las hipótesis sobre la media de la población más adelante. Ahora queremos ser capaces de desarrollar intervalos de confianza para el parámetro poblacional "p" a partir de la función de densidad de probabilidad binomial.

Para hallar la distribución de la que proceden las proporciones muestrales, necesitamos desarrollar la distribución muestral de las proporciones muestrales, al igual que hicimos con las medias muestrales. Imaginemos de nuevo que tomamos una muestra aleatoria de, por ejemplo, 50 personas y les preguntamos si apoyan la nueva emisión de bonos escolares. A partir de esto encontramos una proporción muestral, p', y la graficamos en el eje de las p'. Hacemos esto una y otra vez, etc., hasta que tengamos la distribución teórica de las p'. Algunas proporciones de la muestra presentarán una alta favorabilidad hacia la emisión de bonos y otras presentarán una baja favorabilidad porque el muestreo aleatorio reflejará la variación de opiniones dentro de la población. Lo que hemos hecho puede verse en la Figura 7.9. El panel superior es la distribución poblacional de probabilidades para cada valor posible de la variable aleatoria X. Aunque no sabemos cómo es la distribución específica porque no conocemos p, el parámetro poblacional, sí sabemos que debe ser algo así. En realidad, no conocemos ni la media ni la desviación típica de esta distribución de la población, la misma dificultad a la que nos enfrentamos al analizar las X anteriormente.

Figura 7.9

La Figura 7.9 sitúa la media en la distribución de probabilidades de la población como µ=npµ=np pero, por supuesto, no conocemos realmente la media de la población porque no conocemos la probabilidad de éxito de la población, pp. Debajo de la distribución de los valores de la población se encuentra la distribución muestral de pp's. De nuevo, el teorema del límite central nos dice que esta distribución se distribuye normalmente al igual que el caso de la distribución muestral para x¯x¯'s. Esta distribución muestral también tiene una media, la media de pp', y una desviación típica, σp'σp'.

Es importante destacar que, en el caso del análisis de la distribución de las medias muestrales, el teorema del límite central nos indicó el valor esperado de la media de las medias muestrales en la distribución muestral, y la desviación típica de la distribución muestral. De nuevo, el teorema del límite central proporciona esta información para la distribución de muestreo de las proporciones. Las respuestas son

  1. El valor esperado de la media de la distribución muestral de las proporciones de la muestra, µp'µp', es la proporción de población, p.
  2. La desviación típica de la distribución muestral de las proporciones de la muestra, σp'σp', es la desviación típica de la población dividida entre la raíz cuadrada del tamaño de la muestra, n.

Estas dos conclusiones son las mismas que hemos encontrado para la distribución de muestreo de las medias de las muestras. Sin embargo, en este caso, como la media y la desviación típica de la distribución binomial dependen de pp, la fórmula de la desviación típica de la distribución muestral requiere una manipulación algebraica para ser útil. Lo abordaremos en el próximo capítulo. A continuación, se ofrece la demostración de estas importantes conclusiones del teorema del límite central.

E(p')=E(xn)=(1n)E(x)=(1n)np=pE(p')=E(xn)=(1n)E(x)=(1n)np=p

(El valor esperado de X, E(x), es simplemente la media de la distribución binomial que sabemos que es np).

σp'2=Var(p')=Var(xn)=1n2(Var(x))=1n2(np(1p))=p(1p)nσp'2=Var(p')=Var(xn)=1n2(Var(x))=1n2(np(1p))=p(1p)n

La desviación típica de la distribución muestral de las proporciones es, por tanto, la siguiente

σp'=p(1P)nσp'=p(1P)n
7.1
Parámetro Distribución de la población Muestra Distribución muestral de las p
Media µ = np p'=xnp'=xn p' y E(p') = p
Desviación típica σ=npqσ=npq σp'=p(1p)nσp'=p(1p)n
Tabla 7.2

La Tabla 7.2 resume estos resultados y muestra la relación entre la población, la muestra y la distribución muestral. Nótese el paralelismo entre esta Tabla y la Tabla 7.1 para el caso en que la variable aleatoria es continua y estábamos desarrollando la distribución muestral para las medias.

Repasando la fórmula de la desviación típica de la distribución muestral para las proporciones vemos que a medida que n aumenta la desviación típica disminuye. Esta es la misma observación que hicimos para la desviación típica de la distribución de muestreo para las medias. De nuevo, a medida que aumenta el tamaño de la muestra, se observa que la estimación puntual de µ o p procede de una distribución cada vez más estrecha. Llegamos a la conclusión de que, con un nivel de probabilidad determinado, el rango del que procede la estimación puntual es menor a medida que aumenta el tamaño de la muestra, n. La figura 7.8 muestra este resultado para el caso de las medias muestrales. Simplemente sustituya p'p' por x¯x¯ y podemos ver el impacto del tamaño de la muestra en la estimación de la proporción de la muestra.

Solicitar una copia impresa

As an Amazon Associate we earn from qualifying purchases.

Cita/Atribución

¿Desea citar, compartir o modificar este libro? Este libro utiliza la Creative Commons Attribution License y debe atribuir a OpenStax.

Información de atribución
  • Si redistribuye todo o parte de este libro en formato impreso, debe incluir en cada página física la siguiente atribución:
    Acceso gratis en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/1-introduccion
  • Si redistribuye todo o parte de este libro en formato digital, debe incluir en cada vista de la página digital la siguiente atribución:
    Acceso gratuito en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/1-introduccion
Información sobre citas

© 28 ene. 2022 OpenStax. El contenido de los libros de texto que produce OpenStax tiene una licencia de Creative Commons Attribution License . El nombre de OpenStax, el logotipo de OpenStax, las portadas de libros de OpenStax, el nombre de OpenStax CNX y el logotipo de OpenStax CNX no están sujetos a la licencia de Creative Commons y no se pueden reproducir sin el previo y expreso consentimiento por escrito de Rice University.