UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA MECÁNICA Y DE ENERGÍA

DISTRIBUCIONES MUESTRALES
Prof. V.Contreras T.

Población

Población es el conjunto de personas u objetos que tienen una o más caracterı́sticas

medibles o contables de naturaleza cualitativa o cuantitativa.

Muestra

A un subconjunto de una población se llama MUESTRA.

Parámetros

Parámetro es una medida descriptiva que caracteriza a la distribución de la población.

Ejemplos de parámetros son:
Media: µ ; VARIANZA: σ 2 ; PROPORCIÓN: π ó p ; DESVIACIÓN ESTANDAR:
σ.

Muestra Aleatoria

Sea X una v.a. con cierta distribución de probabilidad y sean X1 , X2 , , ..., Xn n,

variables a leatorias que tiene cada una la misma distribución que X. Llamaremos
entonces a (X1 , X2 , , ..., Xn ) una muestra aleatoria de la v.a. X.

Estadı́stica ó Estadı́stico

Se denomina Estadı́stica a cualquier función de las variables aleatorias que consti-

tuyen la muestra. Es decir una estadistica es una v.a. Y = H(X1 , X2 , , ..., Xn )
cuyo valor es el número real y = H(x1 , x2 , , ..., xn )
Ejemplos
Si X1 , X2 , ..., Xn son v.a. de una población X entonces:

La media muestral X = n1 ni=1 Xi con valor x̄ = n1 ni=1 xi

P P

La varianzaPmuestral S 2 = n1 ni=1 (Xi − X)2 con valor

P
s2 = n1 ni=1 (xi − x̄)2
√
La desviación estandar muestral S = S 2

La proporción muestral Pb ó P = n1 ni=1 Xi donde cada variables aleatoria Xi

P

tiene distribución de bernoulli con parámetro P . Tambien , P = Xn donde

X ∼ B(n, p). El valor de Pb ó P calculado a partir de una muestra denota por
pb ó p

son estadisticas.

1
DISTRIBUCIÓN MUESTRAL
Se denomina distribución muestral de una estadı́stica a la distribución de probabil-
idad de esa variable aleatoria. Por ejemplo a la distribución de probabilidad de la
estadı́stica media X, se llama distribución muestral de la media.
DISTRIBUCIÓN DE LA MEDIA MUESTRAL
Sea X1 , X2 , , ..., Xn una muestra aleatoria de tamaño n de una población X con
media µ y con varianza σ 2 . Si X es la media muestral, entonces
σ2
a) E(X) = µ b) V (X) =
n
X −µ
c) Para n suficientemente grande, la variable aleatoria Z = √ tiene distribución
σ/ n
aproximadamente normal N (0, 1).
Observación

1. Para n suficientemente grande, la media muestral X tiene distribución aprox-

imadamente normal con media µ y varianza σ 2 /n (la aproximación es buena
si n ≥ 30, aun si la población es discreta o continua).
2. Si la muestra aleatoria es escogida de una población normal N (µ, σ 2 ) entonces
la distribución de X tiene distribución normal N (µ, σ 2 /n) cualquier tamaño
de muestra, n ≥ 2.
3. V (X) = σ 2 /n es válida, si el muestreo es con o sin reemplazo en una población
infinita, o con reemplazo en una población finita de tamaño N .
Si el muestreo es sin reemplazo en una población finita de tamaño N entonces
la varianza de la distribución de X es:
σ2 N − n
V (X) = ( )
n N −1
−n
El coeficiente N
N −1
se llama factor de corrección para población finita. Observar
que cuando N → ∞ el factor de corrección tiende a uno.
Distribución muestral de la proporción
Sea X1 , X2 , , ..., Xn una muestra aleatoria de tamaño n escogido de la población
de Bernoulli B(1, p), donde p es el porcentaje de exitos en la población y sea
X
P =
n
La proporción de éxitos en la muestra, donde X = X1 + X2 + ... + Xn ∼ B(n, p).
Entonces, si n es grande, la variable aleatoria estandarizadora de P tiene distribución
aproximadamente normal de media p y varianzap(1 − p)/n, esto es,
P −p
Z=q ∼ N (0, 1)
p(1−p )
n

NOTAS

2
 1. Dado que, Z = √X−n p = q P −p , entonces las aplicaciones de aproxima-
n p(1−p) p (1−p )
n
ciones de la binomial a la normal son las mismas de la proporción de éxitos de
la muestra.
q
2. El error estandar de P es σP = p(1−p)n

3. Si la población es finita de tamaño N y el muestreo es sin reposición el error

estandar (desviación estandar de la hipergeométrica) es:
r r
p(1 − p) N − n
σP =
n N −1
observemos que si el tamaño N de la pobalción es grande con respecto a n, el
−n
factor de corrección N
N −1
se aproxima a la unidad.

4. Aproximaciones satisfactorias se obtienen si se introduce el factor de corrección

por continuidad 21n . Luego,
1
c+ 2n
−p
p [P ≤ c ] ' P [Z ≤ ]
σP

Distribución muestral de la diferencia (o suma) de medias:

Población normal o no, muestras grandes, con varianzas conocidas Si X 1

, X 2 son las medias muestrales aleatorias independientes de tamaños n1 y
n2 tomados de poblaciones infinitas con medias µ1 y µ2 y varianzas: σ12 y
σ22 conocidas. Entonces para n1 y n2 tamaños de muestras grandes (≥ 30) se
cumple aproximadamente que X 1 ±X 2 es normal con media µ1 ±µ2 y varianza
σ12 σ2
n1
+ n22 esto es:

(X 1 ± X 2 ) − (µ1 ± µ2 )
Z= q 2 ∼ N (0, 1)
σ1 σ22
n1
+ n2

Si las poblaciones fuesen finitas de tamaños N1 y N2 respectivamente, se tiene:

(X 1 ± X 2 ) − (µ1 ± µ2 )
Z=q 2 ∼ N (0, 1)
σ1 N1 −n1 σ22 N2 −n2
n1
( N1 −1 ) + n2 ( N2 −1 )

Población normal, muestras pequeñas y varianza poblacional desconocida

Si X , Y son las medias muestrales aleatorias independientes de tamaños n1 y
n2 (ambas pequeñas n1 ≤ 30 , n2 ≤ 30) tomados de dos poblaciones normales
con medias µx y µy y varianzas poblaciones desconocidas.

(X ± Y ) − (µx ± µy )
t= q
b 2 +(n2 −1)S
(n1 −1)S b2
x
n1 +n2 −2
y
( n11 + 1
n2
)

3
 es el valor de una variable aleatoria cuya distribución es la t-student con r =
n1 + n2 − 2 grados de libertad, donde
n 1 2 n
1 X 1 X
Sb 2x = (xi − X)2 , Sb 2y = (yi − Y )2
n1 − 1 i=1 n2 − 1 i=1

son varianzas para muestras pequeñas.

Distribución de la varianza muestral

Si Sb 2 es la varianza de una muestra aleatoria de tamaño n (n pequeña) tomada de

una población normal con varianzas σ 2 entonces

(n − 1) Sb 2
χ2 =
σ2
es el valor de una variable aleatoria que tiene la distribución Chi-cuadrada con
ν = n − 1 grados de libertad.
Nota

1. Si n es grande, la distribución muestral de S se aproxima a la normal con

2
media σ y varianza 2σn entonces

S−σ
Z= √ ∼ N (0, 1)
σ/ 2 n

2. Como S 2 = n1 ni=1 (xi − X)2 , Sb 2 = n

S2 y cuando n → ∞ , Sb 2 = S 2
P
n−1
n
pues n−1 →1

4
EJERCICIOS DE APLICACIÓN

1. Una población consta de los números 2,3,6,8,11. Consideremos todos los posi-
bles muestreos de tamaño 2 que pueden tomarse con reposición de esa población.
Halle (a) la media de la distribución de muestreo de varianzas y (b) la desviación
tı́pica de la distribución de muestreo de varianza( o sea el error tı́pico de var-
ianzas).

2. Rehacer el ejercicio anterior sin reposición.

3. Las estaturas de 1000 estudiantes están distribuidas aproximadamente en for-

ma normal con una media de 174,5 cm y una desviación estandar de 6,9 cm.
Si se extraen 200 muestras aleatorias de tamaño 25 sin reemplazo de esta
población, determine:

a) El número de las medias muestrales que caen entre 172,5 y 175,8 cm.
b) El número de medias muestrales que caen por debajo de 172 cm.

4. Las bolas de rodamiento de cierto fabricante pesan 0,50 gr. de media con
desviación tı́pica de 0,02 gr. ¿Cual es la probabilidad de que dos lotes de 1000
bolas cada uno difieran en peso en más de 2 gramos?

5. Los objetos producidos por una fábrica A tienen una duración media de 80
meses y una desviación estandar de 5 meses. Mientras que del fabricante B
tiene una duración media de 75 meses y una desviación estandar de 3 meses.
¿Cuál es la probabilidad de que una muestra aleatoria de 36 objetos del fabri-
cante A tenga una duración media de al menos tres meses más que la duración
media de 49 objetos del fabricante B?. Suponga que las duraciones medias en
ambos casos se distribuye normalmente y son independientes.

6. Una muestra aleatoria de 10 bigas de acero de la fábrica A tienen un promedio

de fuerza de tensión de 54 000 PSI (libras por pulgada cuadrada) con una
desviación estandar de 2 100 PSI y otra muestra aleatoria de 12 bigas de acero
de la fábrica B tienen un promedio de fuerza de tensión de 52 000 PSI con
desviación estandar de 1 900 PSI. Las bigas de la fábrica B cuestan menos
que las de la fábrica A y por lo tanto estarı́amos inclinados a comprarlas de la
fábrica B, a menos que la fuerza de tensión promedio de las bigas de la fábrica
A sean mayores que los de B.

a) ¿Cuál es la probabilidad de efectuar la compra de la fábrica A?

b) Encontrar el valor mı́nimo de µx + µy si P (t ≤ to ) = 0, 90

7. Una v.a. X tiene distribución normal con media igual a 100.

a) Si se extrae una muestra aleatoria de 16 elementos de X y se encuentra

que la desviación estandar es 12, ¿cuál es la probabilidad de que la media
muestral se encuentre entre 92,194 y 104,023?
b) Si se supone que la desviación estandar de X es igual a 15, ¿Que tamaño
deberı́a tener la muestra para que P [90, 2 < X < 109, 8] = 0, 95?

5
 8. La duración en horas de una marca de tarjetas electrónicas se distribuye ex-
ponencialmente con promedio 1000 horas.

a) Si se obtiene una muestra aleatoria de 100 de esas tarjetas, cacule que la

duración media de la muestra esté comprendida entre 950 y 1100 horas?
b) Halle el tamaño n de la muestra de manera que sea 0,242 la probabilidad
de que la media muestral no supere las 930 horas.

9. El jefe de compras de la empresa de servicio LUZ, está por decidir la compra

de una de las dos marcas A o B de focos. Para esto se escogieron dos muestras
aleatorias de tamaño n1 = 10 , n2 = 9 focos respectivamente de las marcas A
y B , resultando, las desviaciones estándares respectivamente 200 y 150. Si el
criterio de decisión es aceptar que µ1 6= µ2 cuando la diferencia entre las medias
muestrales es mayor que 173 y aceptar µ1 = µ2 en caso contrario, ¿cuál es la
probabilidad de aceptar que µ1 6= µ2 cuando realmente µ1 = µ2 ? se asume que
la vida útil de ambas marcas tiene distribución normal con varianzas iguales

10. En unas elecciones uno de los candidatos obtuvo el 46 % de votos. Halle la

probabilidad de que en una muestra de (a) 200 y (b) 100 votantes elegidos al
azar saliera mayorı́a a su favor.

11. De 2000 consumidores el 40 % consumen cierto producto, ¿cuál es la proba-

bilidad de conseguir una proporción muestral superior a 46 % de una muestra
aleatoria de 400 consumidores de dicho producto?

12. Una muestra aleatoria de 27 observaciones es tomada de una población normal

con σ 2 = 16, 8.

a) Encuentre la probabilidad de obtener una desviación estandar entre 3 y

5,2
b) Posteriormente 5 observación tomadas a la misma población se incremen-
tan a las anteriores. ¿Cuál es la probabilidad de obtener una desviación
tı́pica mayor a 4?