Influencia de la asimetría en el tamaño de la muestra
Influencia de la asimetría en el tamaño de la muestra
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Pereira : Universidad Tecnológica de Pereira
Tipo de Material
Fecha
2015
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen
El conocimiento de la distribuci ón muestral de un estad ístico, como por ejemplo la media muestral, juega un papel relevante en el proceso inferencial. Seg un Lenis, Ospina y Barrientos (2007) este conocimiento permite asociar a una variable aleatoria una distribución on de probabilidad que modele su comportamiento, y de esta forma dar solución a problemas relacionados con estimación , decisión y predicci ón, de eventos o valores en contextos condicionados por incertidumbre y error. La mayor a de los m étodos estad ísticos param étricos se basan en la media muestral y se han construido bajo el supuesto de normalidad. El Teorema Central del L ímite (TCL) es el argumento m ás fuerte que sustenta todas estas teor as. La aplicaci ón del TCL a la distribuci ón de la media muestral permite sacar diferentes conclusiones sobre alguna poblaci ón. Dicha aplicaci ón lleva a la utilizaci ón de la distribuci ón normal, quiz ás, la m ás importante o una de las m ás relevantes en el campo de la estadí stica. Existen distribuciones como la normal que son sim étricas y permiten el cumplimiento del TCL hasta en tamaños de muestras muy peque~nos. Pero tambi én hay otras distribuciones como la Gamma que son muy sesgadas y por ende tienen unos coefi cientes de asimetría grandes. En la informaci ón existente sobre este teorema
se encuentra una la regla empí rica (Devore, 2005) que generaliza y establece que un tamaño de muestra mí nimo de 30 permite el uso del TCL y, adem ás, la escogencia de este valor es independiente de la distribuci ón sobre la cual se hizo el muestreo.