ESTADÍSTICA
Profesora: Mg. Carla Zúñiga Vilca
DISTRIBUCIONES
MUESTRALES
Es la distribución de probabilidades de un estimador
o estadístico, la cual se genera con todas las muestras
posibles de tamaño “n” que se pueda extraes de una
población, con o sin reemplazo
Todo lo que estudiaremos a continuación está
pensado para poblaciones infinitas (muy grandes)
y con muestreo aleatorio simple. El muestreo
aleatorio simple garantiza una muestra
representativa de la población y la obtención de
observaciones independientes.
DISTRIBUCIONES MUESTRALES
MUESTREO A PARTIR DE UNA
POBLACION
DISTRIBUCION DE LA MEDIA DISTRIBUCION DE LA
MUESTRAL PROPORCION MUESTRAL
P
1. DISTRIBUCIÓN MUESTRAL DE MEDIAS
1. DISTRIBUCIÓN MUESTRAL DE MEDIAS
Cada muestra de tamaño n que puede ser seleccionada de una
población proporciona una media. Si consideramos cada una de
estas medias como valores de una variable aleatoria podemos
estudiar su distribución que se denomina distribución muestral
de medias.
Si se tiene una población normal con media μ y varianza σ², N(μ,
σ²), y se seleccionan de ella muestras de tamaño n, la
distribución muestral de medias sigue también una distribución
normal.
Si la población no sigue una distribución normal pero n>30, se
aplica el Teorema central del límite la distribución muestral de
medias se aproxima también a la distribución normal.
La distribución de la media muestral es una de
las distribuciones más importantes, esta
permite realizar inferencias relacionadas a las
medias poblacionales, a través de una
estimación puntual, estimación por intervalo o
prueba de hipótesis.
Se tiene una población con N=3 elementos : X= {1, 2, 3}.
Donde µ=2 y . Extraer muestras de tamaño
n=2 con reposición y sin reposición.
En cada una de las muestras puede calcularse los
correspondientes estadísticos descriptivos.
Por ejemplo las medias con reposición serían:
Las medias serían: 1; 1.5; 2; 1.5; 2; 2.5; 2; 2.5; y 3
respectivamente.
Por tanto, los estadísticos descriptivos son variables
aleatorias que pueden adoptar diferentes valores y que
tienen su propia distribución de probabilidad.
En el ejemplo se observa que la puede tomar 5 valores y
que la probabilidad que corresponde a cada uno de ellos
es:
No es necesario construir la distribución de un
estadígrafo en todos los casos ya que cada estadígrafo
tiene su propia distribución muestral conocida.
En este tema nos ocuparemos de la distribución
muestral de la media y de la proporción.
DISTRIBUCIÓN DE LA MEDIA MUESTRAL
Caso I: σ2 conocida
Caso II: σ2 desconocida
Caso III :Teorema del Límite
Central (TLC):
Distribución de la media muestral
Caso I: σ2 conocida
Si la población desde la cual se selecciona la m.a. X1,
X2,…,Xn, tiene distribución N(µ, 2), entonces:
σ 2
X~N μ,
n
Un ingeniero ambientale conoce que el largo estándar (X) de los peces en
estudio tiene distribución normal con media μ=5.8 cm y varianza
σ²=5.76 cm (varianza conocida).
Es decir, X ~ N(5.8; 5.76).
De la población en estudio selecciona una muestra aleatoria de n=16
peces, y se formula las siguientes preguntas:
1. ¿ Cuál es la probabilidad que el largo estándar promedio de la muestra
se encuentre entre 4.9 y 6.3?
2. ¿ Cuál es la probabilidad que el largo estándar promedio de la muestra
no difiera en más de 0.9 cm respecto al largo total promedio de la
población?
X ~ N(5.8; 5.76) X 1 , X 2 ,.., X 16 X
σ2
μ n
σ2 5.76
X ~ N μ, X ~ N 5.8, X ~ N 5.8,0.36
n 16
1. ¿ Cuál es la probabilidad que el largo estándar
promedio de la muestra se encuentre entre 4.9 y
6.3?
P 4.9 X 6.3 P X 6.3 P X 4.9
CDF .NORMAL(6.3, 5.8, 0.6) CDF .NORMAL(4.9, 5.8, 0.6)
0.7309
σ2
X ~ N μ, Z
n X μ ~ N 0,1
n σ
2. ¿ Cuál es la probabilidad que el largo estándar promedio de
la muestra no difiera en más de 0.9 cm respecto al largo
total promedio de la población?
Z
0.9 X 0.9
P X 0.9 P 0.9 X 0.9 P
n n n
2.4
0.6
0.9 0.9
P 1.5 Z 1.5
4
P Z n
0.6 0.6
CDF .NORMAL(1.5; 0,1) CDF .NORMAL( 1.5; 0,1)
0.9332 - 0.0668
= 0.86639
Suponga que el peso neto por lata en una marca de sopa tiene una media
de 565 gramos, con una desviación estándar de 15 gramos. Suponga
distribución normal de los pesos.
a) Si se selecciona una muestra aleatoria de 9 latas y se registra el peso,
¿cuál es la probabilidad de que la media muestral este entre 555 y 575
gramos?
b) ¿De que tamaño tendría que ser la muestra para que la probabilidad
calculada en el inciso a) fuese 0.9906?
Caso II: σ2 desconocida
Si la población de donde se obtiene la m.a.
X1, X2,…,Xn, se distribuye normalmente con media µ
y varianza desconocida, entonces:
n X μ
t ~ t n 1
S
En todos los casos de la distribución de la media
muestral, si se conoce el tamaño de la población, N,
se multiplica a la varianza por el factor de
corrección por población finita dado por:
Nn
N 1
Caso III :Teorema del Límite Central (TLC):
Si X1, X2,…, Xn, es una m.a. de tamaño n, n>30, seleccionada
desde una población con media µ y varianza 2, entonces la
distribución de la media muestral es:
X~N μ,σ 2
X
Donde :
σ2
n ,si la población es infinita y el muestreo es con reemplazo
σX σ2
2
Nn
n ,si se conoce el tamaño de la población y el muestreo es sin reemplazo
N 1
EJEMPLO
La variable altura de los estudiantes sigue una
distribución normal con media 1.62 m y
desviación estándar de 0.12 m. ¿Cuál es la
probabilidad que la media de una muestra
aleatoria de 100 estudiantes sea mayor que
1.60 m?
Propiedad:
Si X1, X 2 ,...,X n es una m.a. seleccionda desde N μ, 2 ,
y además n es mayor que 30, se tiene que si σ 2 es
desconocida, esta puede ser estimada por S2 , la
S2
varianza muestral. Entonces X ~N μ,
n
