La inferencia estadstica trata de obtener conclusiones generales, aplicables a la

poblacin, a partir de los resultados particulares, obtenidos en una muestra.

Poblacin: conjunto de todos
los elementos (N) que cumplen
una o varias caractersticas
Muestra: subconjunto
de n elementos de una poblacin
Estadstico: propiedad descriptiva
Parmetro: propiedad descriptiva
Inferencia
de una muestra. Por ejemplo, la
de una poblacin. Por ejemplo,
Estadstica
media, X, o la varianza, S2
la media, , o la varianza, 2
Cambian de muestra a
Valores fijos, pero
muestra
desconocidos

Para hacer inferencias es imprescindible conocer como se comportan los

estadsticos muestrales en las diferentes muestras que se pueden obtener
de la poblacin, es decir, la distribucin muestral del estadstico

Distribucin muestral de un estadstico

Se podran hallar las probabilidades asociadas a los diferentes valores que
puede tomar un estadstico?

Si se toman infinitas muestras de tamao n en las mismas condiciones, y se

calcula el estadstico dado en todas ellas, el propio estadstico es una
variable aleatoria que tendr su propia distribucin de probabilidad.

Se llama distribucin muestral de un estadstico, para muestras de tamao n,

a una distribucin de probabilidad terica de los valores de ese estadstico
cuando estos se calculan sobre muestras de tamao n, extradas de la
poblacin de referencia.

Distribucin muestral de un estadstico

Supongamos una poblacin formada por
5 puntuaciones Xi = {1, 2, 3, 4, 5} de la
que extraemos con reposicin muestras
de tamao n =2.
Existirn 52 = 25 muestras diferentes que
sern equiprobables.
Si en cada una de las 25 muestras
calculamos X y la probabilidad asociada a
media muestral...

Se observa que hay valores de la media

muestral que se repiten, luego son ms
probables que otros. Luego la tabla se
podra resumir de la siguiente manera

Distribucin muestral de un estadstico

Funcin de probabilidad de X
o distribucin muestral de la media
X es una variable aleatoria discreta, solo puede
tomar valores concretos, cuyo valor esperado se
ha definido anteriormente como el sumatorio de
los productos de cada valor por su probabilidad.
E (X) = = xi f( xi)
= 1,00,04 + 1,50,08 + 2,00,12 + 2,50,16 +
3,00,20 + 3,50,16 + 4,00,12 + 4,50,08 +
5,00,04 = 3,0

Si extraemos una muestra al azar lo ms probable es que el estadstico X = 3 ya que

P(X = 3) = 0,25, que coincide con el valor esperado

Distribucin muestral de un estadstico

Funcin de probabilidad de X
o distribucin muestral de la media
X es una variable aleatoria discreta, solo puede
tomar valores concretos, cuyo valor esperado se
ha definido anteriormente como el sumatorio de
los productos de cada valor por su probabilidad.
E (X) = = xi f( xi)
= 1,00,04 + 1,50,08 + 2,00,12 + 2,50,16 +
3,00,20 + 3,50,16 + 4,00,12 + 4,50,08 +
5,00,04 = 3,0

Si extraemos una muestra al azar lo ms probable es que el estadstico X tome el valor 3

ya que P(X = 3) = 5/25 = 0,20, es decir, que coincida con el valor esperado
Tambin podemos calcular la probabilidad de que X como mximo se aleje 0,5 del
verdadero valor , es decir, P(2,5 X 3,5) =4/25 + 5/25 + 4/25 = 0,52

Distribucin muestral de un estadstico

Ntese que mientras que la funcin
de probabilidad de la variable de
partida X es uniforme, la
distribucin de la variable X tiende
a parecerse a la normal
En las situaciones reales, con
poblaciones grandes o infinitas,
no es posible extraer todas las
posibles muestras de tamao n
En estos casos la distribucin
muestral del estadstico se
determina por procedimientos
matemticos.

Distribucin muestral de la media cuando la variable de partida es normal

Supongamos que repetimos una y otra vez la extraccin aleatoria de muestras de
tamao n. Los resultados seran
En la segunda muestra la
media estar seguramente
prxima a la primera,
pero no coincidira
exactamente. En la tercera
extraccin obtendramos
otro valor, etc.
Si se realizasen infinitas
extracciones y se
representasen las medias
obtenidas

La distribucin de la media muestral se ajusta a la normal (una combinacin lineal de

variables normales se distribuye tambin normalmente) y su desviacin tpica es menor
que la de la variable de partida.
Para poder trabajar con ella necesitamos deducir sus parmetros

Distribucin muestral de la media cuando la variable de partida es normal

1
1
1
X = X 1 + X 2 + ... + X n
n
n
n
1
1
1
Cuyo valor esperado es la suma de
E ( X ) = E ( X 1 ) + E ( X 2 ) + ... + E ( X n )
n
n
n
los valores esperados
1
1
1
1

luego E ( X ) = + + ... + = n =
n
n
n
n

Vamos a considerar la media como una combinacin

lineal de variables independientes

1
1
1 2
La varianza de la combinacin X2 = X2 1 + X2 2 + ... + Xn
+ 2 S Xij
n
n
n
lineal de variables ser
2X
luego
SXij = 0 pues son
2

1 2 1 2
1 2
1 2
= X + X + ... + X = n X =
n
n
n
n
n
2
X

Por lo que

X N ,

2
X

independientes

La desviacin tpica de la distribucin

muestral se llama error tpico.
Error tpico de la media

Las puntuaciones en X se pueden tipificar y utilizar los valores

tabulados de la normal unitaria N(0, 1) para calcular las
probabilidades de que X tome determinados valores

X N ,

La estatura de los hombres espaoles se distribuye N(172, 9) Se extrae una muestra aleatoria n = 16
Cul es la probabilidad de que su media sea como mucho de 169 cm?

N 172, 9
X N 172, 9

4
16

zX =

169 172
4
= = 1,33
9
3
4

P(X 169)?

Si calculamos el valor z

P(X 169) = P(z -1,33) = 0,3707

Cul es la probabilidad de que la media de la muestra est entre 173 y 175 cm?

X N 172, 9

z X =173 =

P(173 X 175)? Si calculamos los valores z y las reas correspondientes

173 172 4
= = 0,44
9
9
4

z X =175 =

175 172 4
= = 1,33
9
3
4

P(173 X 175) = P(0,44 z 1,33) = 0,9082 0,6700 = 0,2382

Veamos el efecto del tamao muestral. Cuanto mayor sea n,

mayor ser n y por tanto menor se hace el cociente

X N ,

La estatura de los hombres espaoles se distribuye N(172, 9) Cul es la probabilidad de que su media
sea como mucho de 169 cm, si:
1) Se extrae una muestra aleatoria n = 16

X N 172, 9

zX =

4
169 172
= = 1,33
9
3
4

P(X 169) = P(z -1,33) = 0,3707

2) Se extrae una muestra aleatoria n = 36

X N 172, 9

)
6

zX =

169 172
3
=
= 2
9
1,5
6

P(X 169) = P(z -2,00) = 0,0228

3) Se extrae una muestra aleatoria n = 64

X N 172, 9

)
8

zX =

169 172
8
= = 2,66
9
3
8

P(X 169) = P(z -2,66) = 0,0039

4) Se extrae una muestra aleatoria n = 81

X N 172, 9

)
9

zX =

169 172
3
= = 3
9
1
9

P(X 169) = P(z -3,00) = 0,0013

A medida que aumenta n la distribucin se hace ms homognea

Distribucin muestral de la media cuando la variable de partida NO es normal

Independientemente de cmo sea la distribucin de partida (con forma conocida o no), la
distribucin de la media se parece a la normal a medida que el tamao muestral aumenta
y tiende a ella a medida que el tamao muestral tiende a infinito (Teorema Central del
Lmite).
f(xi)

Aplicacin. Los pesos de los recin nacidos tienen una

media de 2,9 kg y una desviacin tpica de 0,2 kg. Cul
es la probabilidad de que una muestra aleatoria de 100
recin nacidos tenga un peso medio mximo de 2,95 kg?
x

Como la muestra es de tamao superior a 30 podemos

asumir la distribucin normal, por lo que

N (2,9;0,02)
Peso N 2,9; 0,2

100

X N ,

z Peso= 2,95 =

2,95 2,9
0,05
=
= 2,5
0,02
0,02

P(X 2,95) = P(z 2,5) = 0,9938

Siempre que n 30