distribución de la diferencia de medias

Distribución Muestral de Diferencia de Medias

Suponga que se tienen dos poblaciones distintas, la primera con media ₁ y desviación estándar ₁, y la segunda con media ₂ y desviación estándar _2. Más aún, se elige una muestra aleatoria de tamaño n₁ de la primera población y una muestra independiente aleatoria de tamaño n₂ de la segunda población; se calcula la media muestral para cada muestra y la diferencia entre dichas medias. La colección de todas esas diferencias se llama distribución muestral de las diferencias entre medias o la distribución muestral del estadístico 

La distribución es aproximadamente normal para n₁30 y n₂30. Si las poblaciones son normales, entonces la distribución muestral de medias es normal sin importar los tamaños de las muestras.

En ejercicios anteriores se había demostrado que y que , por lo que no es difícil deducir que  y que .
La fórmula que se utilizará para el calculo de probabilidad del estadístico de diferencia de medias es:

Ejemplo:
En un estudio para comparar los pesos promedio de niños y niñas de sexto grado en una escuela primaria se usará una muestra aleatoria de 20 niños y otra de 25 niñas. Se sabe que tanto para niños como para niñas los pesos siguen una distribución normal. El promedio de los pesos de todos los niños de sexto grado de esa escuela es de 100 libras y su desviación estándar es de 14.142, mientras que el promedio de los pesos de todas las niñas del sexto grado de esa escuela es de 85 libras y su desviación estándar es de 12.247 libras. Si  representa el promedio de los pesos de 20 niños y es el promedio de los pesos de una muestra de 25 niñas, encuentre la probabilidad de que el promedio de los pesos de los 20 niños sea al menos 20 libras más grande que el de las 25 niñas.

Solución:
Datos:

₁ = 100 libras

₂ = 85 libras

₁ = 14.142 libras

₂ = 12.247 libras

n₁ = 20 niños 
n₂ = 25 niñas
 = ?

Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de niños sea al menos 20 libras más grande que el de la muestra de las niñas es 0.1056.

teoria de limite central

Definicion:

El teorema central del límite es uno de los resultados fundamentales de la

estadística. Este teorema nos dice que si una muestra es lo bastante grande
(generalmente cuando el tamaño muestral (n) supera los 30), sea cual sea la
distribución de la media muestral, seguirá aproximadamente una distribución
normal. Es decir, dada cualquier variable aleatoria, si extraemos muestras de
tamaño n (n>30) y calculamos los promedios muestrales, dichos promedios seguirán
una distribución normal. Además, la media será la misma que la de la
variable de interés, y la desviación estándar de la media muestral será aproximadamente
el error estándar.

La importancia del teorema central del límite radica en que mediante un
conjunto de teoremas, se desvela las razones por las cuales, en muchos campos
de aplicación, se encuentran en todo momento distribuciones normales o casi.

Contextualizando lo anterior tenemos: La distribución de la media muestral de una población normal es una distribución normal con la misma media poblacional y con desviación típica el error estándar. Este hecho nos permite calcular probabilidades cuando tenemos una muestra de una variable con distribución normal y desviación típica
conocida. Cuando no conocemos la desviación típica de la variable, también
podemos hacer cálculos con la distribución t de Student.

Cuando la muestra es lo bastante grande, la solución nos viene dada por uno
de los resultados fundamentales de la estadística: el teorema del límite central.

distribución normal

desviación estándar de la población grupal

La Desviación Estándar

La desviación estándar es un índice numérico de la dispersión de un conjunto de datos (o población). Mientras mayor es la desviación estándar, mayor es la dispersión de la población. La desviación estándar es un promedio de las desviaciones individuales de cada observación con respecto a la media de una distribución. Así, la desviación estándar mide el grado de dispersión o variabilidad. En primer lugar, midiendo la diferencia entre cada valor del conjunto de datos y la media del conjunto de datos. Luego, sumando todas estas diferencias individuales para dar el total de todas las diferencias. Por último, dividiendo el resultado por el número total de observaciones (normalmente representado por la letra “n”) para llegar a un promedio de las distancias entre cada observación individual y la media. Este promedio de las distancias es la desviación estándar y de esta manera representa dispersión. Matemáticamente, la desviación estándar podría, a primera vista, parecer algo complicada. Sin embargo, es en realidad un concepto extremadamente simple. En realidad no importa si usted no sabe calcular con exactitud la desviación estándar, siempre y cuando usted comprenda claramente el concepto. La desviación estándar es un indicador en extremo valioso con muchas aplicaciones. Por ejemplo, los estadísticos saben que cuando un conjunto de datos se distribuye de manera “normal”, el 68% de las observaciones de la distribución tiene un valor que se encuentra a menos de una desviación estándar de la media. También saben que el 96% de todas las observaciones tiene un valor no es mayor a la media más o menos dos desviaciones estándar (la Figura 18 grafica esta información).