¿Qué es una distribución muestral?

En estadística, la distribución muestral es lo que resulta de considerar todas

las muestras posibles que pueden ser tomadas de una población. Su estudio permite calcular
la probabilidad que se tiene, dada una sola muestra, de acercarse al parámetro de la
población. Mediante la distribución muestral se puede estimar el error para un tamaño de
muestra dado.
El muestreo puede hacerse con o sin reposición, y la población de partida puede ser infinita
o finita. Una población finita en la que se efectúa muestreo con reposición puede
considerarse infinita teóricamente. También, a efectos prácticos, una población muy grande
puede considerarse como infinita. En todo nuestro estudio vamos a limitarnos a una
población de partida infinita o a muestreo con reposición.
Consideremos todas las posibles muestras de tamaño n en una población. Para cada muestra
podemos calcular un estadístico (media, desviación típica, proporción...) que variará de una
a otra. Así obtenemos una distribución del estadístico que se llama distribución muestral.

¿Para qué sirve?

La distribución del muestreo depende de la distribución subyacente de la población, la
estadística que se considera, el procedimiento de muestreo empleado y el tamaño de
muestra utilizado. A menudo existe un considerable interés en si la distribución muestral
puede aproximarse mediante una distribución asintótica, que corresponde al caso límite ya
que el número de muestras aleatorias de tamaño finito, tomadas de una población infinita y
utilizadas para producir la distribución, tiende a infinito o cuando se toma una "muestra"
del mismo tamaño infinito de esa misma población.
La media de una muestra de una población que tiene una distribución normal es un ejemplo
de una estadística simple tomada de una de las poblaciones estadísticas más simples. Para
otras estadísticas y otras poblaciones, las fórmulas son más complicadas y, a menudo, no
existen en forma cerrada. En tales casos, las distribuciones de muestreo pueden
aproximarse a través de simulaciones de Monte Carlo, métodos bootstrap o teoría de
distribución asintótica.

Referencias bibliográficas:

proyectodescartes.org › inferencia_estadistica_JS › distrib_muestrales

es.khanacademy.org › math › sampling-distributions-library