DISTRIBUCIONES

MUESTRALES
Cap. 6
 DEFINICIÓN: Sea X una VA con función de distribución f(x), media y varianza. Una muestra aleatoria de tamaño
n, de X es un conjunto de n VA X1, X2, ….. ,Xn que cumplen:

1) Cada xi, tiene la misma distribución que X 𝐹𝑋𝑖 𝑥 = 𝐹𝑋 (𝑥) i= 1,2,3….n

𝑓𝑋𝑖 𝑥 = 𝑓𝑋 (𝑥) i= 1,2,3….n

2) Las VA Xi, son independientes
a) 𝜇𝑋𝑖 = 𝐸 𝑋𝑖 = 𝐸 𝑋 = 𝜇
𝜎𝑋2𝑖 = 𝑉𝑎𝑟 𝑋𝑖 = 𝑉𝑎𝑟 𝑋 = 𝜎 2
b) La función con junta de la muestra aleatoria X1, X2, ….. ,Xn es:
𝑝𝑋1,…, 𝑋𝑛 (𝑥1,……, 𝑥𝑛 ) = 𝑝𝑋 𝑥𝑖 … . . 𝑝𝑋 𝑥𝑛 Si X es discreta

𝑓𝑋1,…, 𝑋𝑛 (𝑥1,……, 𝑥𝑛 ) = 𝑓𝑋 𝑥𝑖 … . . 𝑓𝑋 𝑥𝑛 Si X es continua

NOTA
Esto se cumple cuando la muestra proviene de una población infinita discreta o continua y cuando la muestra
se extrae con reemplazamiento de una población finita.
Si el tamaño de n de la muestra es muy pequeño en comparación con el tamaño de la población, se cumple
aproximadamente la definición anterior
 DISTRIBUCIONES MUESTRALES

Estadístico y Momentos Muestrales

Un estadístico es una VA que depende solamente de la muestra observada

𝑛 𝑛
1 𝑖=1(𝑋𝑖 − 𝑋)
𝑋𝑛 = 𝑋𝑖 𝑆2 = Son estadísticos
𝑛 𝑛−1
𝑖=1
La función de distribución de probabilidad de un estadístico se llama distribución muestral.
La desviación estándar de la distribución muestral de un estadístico se llama error estándar del estadístico

Momentos Muestrales:
Sea X1, X2, ….. ,Xn una muestra aleatoria de una población con función de densidad f(x). Entonces, el r-ésimo
momento muestral alrededor del origen 0, se define:
𝑛
1
′
𝑀𝑟 = 𝑋𝑖𝑟 Si r=1 Media muestral E(Xr)
𝑛 𝑛
𝑖=1
1 𝑟
El r-ésimo momento muestral alrededor de 𝑋𝑛 : 𝑀𝑟 = 𝑋𝑖 − 𝑋𝑖 Son estadísticos
𝑛
𝑖=1
Varianza Muestral
Sea X1, X2, ….. ,Xn una muestra aleatoria de una población, entonces:
𝑛
𝑖=1(𝑋𝑖
− 𝑋)
𝑆2 = n>1
𝑛−1

TEOREMA: Sea X1, X2, ….. ,Xn una muestra aleatoria de una población con distribución de probabilidad f(x).
El valor esperado del r-ésimo momento muestral (alrededor del origen 0) es igual al r-ésimo momento de la
población, es decir:
𝐸 𝑀𝑟′ = 𝜇𝑟′ Si 𝜇𝑟′ existe

1
𝑉𝑎𝑟 𝑀𝑟′ = 𝐸 𝑋 2𝑟 − (𝐸[𝑋 𝑟 ]2
𝑛

𝑛
Sea X1, X2, ….. ,Xn, una muestra 1 𝜎2
Si r=1 𝑋𝑛 = 𝑋𝑖 𝐸[𝑋] = 𝜇 𝑉𝑎𝑟(𝑋) =
aleatoria de una población 𝑛 𝑛
𝑖=1

Encuestas - Sin reemplazo

TEOREMA: Sea X1, X2, ….. ,Xn una muestra de tamaño n, extraída sin reemplazamiento, de una población finita de
N elementos, distribuida con media μ y varianza σ2 entonces:

Factor de
𝜎2 𝑁 − 𝑛
𝐸[𝑋] = 𝜇 𝑉𝑎𝑟(𝑋) = corrección para
𝑛 𝑁−1 población finita

NOTA: la desviación estándar muestral esta dada por:

𝜎 𝜎 𝑁−𝑛
𝜎𝑋 = 𝜎𝑋 =
𝑛 𝑛 𝑁−1

Si el muestreo es con Si el muestreo es sin

reemplazamiento reemplazamiento de
una población finita
 Distribución muestral de la media
Sea X una población con función de distribución de probabilidad f(x), media μ y varianza σ2 .Sea X1, X2,
X3,….,Xn una muestra aleatoria de tamaño n de X, la media muestral es:

𝑛 𝜎2
1 𝜇𝑋 = 𝜇 𝜎2𝑋 =
𝑋𝑛 = 𝑋𝑖 𝑛
𝑛
𝑖=1

TEOREMA: Si X1, X2, X3,….,Xn es una muestra aleatoria de tamaño n de una VA con media con media μ y
varianza σ2 entonces la distribución de la media muestral 𝑋 es aproximadamente una distribución normal
con media μ y varianza σ2/n, entonces :

(por el teorema del límite central)

(𝑋 − 𝜇) 𝑛
𝑍=
𝜎
Tiene una distribución N(0,1)

a) Esto es válido para n ≥ 30 b) Si la población es normal este teorema se aplica para cualquier n
Cuando la población es finita de N
elementos y el muestreo es sin La distribución de 𝑋 es HIPERGEOMÉTRICA
reemplazamiento, las VS Xi no son
independientes

𝜇𝑋 = 𝜇 𝜎2 𝑁 − 𝑛
𝜎2𝑋 = ( )
𝑛 𝑁−1

(𝑋 − 𝜇) 𝑁−𝑛 Tiene aproximadamente una

𝑍= 𝜎 𝑁−1 distribución normal estándar
𝑛

a) Esto es válido para n ≥ 30 b) Si la población es normal este teorema se aplica para cualquier n
 Distribución muestral de la diferencia de dos medias muestrales independientes
Muestras aleatorias independientes
𝜎 𝜎2
𝜎𝑋1 = 𝜎𝑋2 𝜎𝑋2 𝜎𝑋2 =
𝑛 𝜎𝑋1−𝑋2 = 1
+ 2 𝑛
𝑛1 𝑛2

𝜇𝑋 1 = 𝜇 1 𝜇𝑋1−𝑋2 = 𝜇 1 − 𝜇 𝜇𝑋 2 = 𝜇 2
2

𝑥1 − 𝑥2 − (𝜇1 − 𝜇2 )
𝑧=
𝜎12 𝜎22
𝑛1 + 𝑛2

Los resultados obtenidos para la distribución de 𝑋 1 - 𝑋 2 son validos:

1) El muestreo es con reemplazamiento de dos poblaciones finitas
2) El muestreo es con reemplazamiento de dos poblaciones finitas o sin reemplazamiento de dos
poblaciones finitas, discretas o continuas
3) Cuando el muestreo es sin reemplazamiento de dos poblaciones finitas, cuyos tamaños N1 y N2 son
grandes con respecto a los tamaños 𝑛1 y𝑛2 de la muestra respectivamente
a) Esto es válido para n ≥ 30 b) Si la población es normal este teorema se aplica para cualquier n
Distribución muestral de la diferencia de dos medias muestrales independientes

Una aplicación común se relaciona con la preferencia del consumidor o encuestas de opinión, donde usamos una
muestra aleatoria de n personas, para estimar la proporción p de personas en la población que tienen una
característica especificada. Si x de las personas muestreadas tienen esta característica, entonces la proporción
muestral:
𝑋
𝑃= 𝑝𝑞 𝑝𝑞
𝜇𝑃 = 𝜇 𝑛 𝜎𝑃=
2 𝜎𝑃 =
𝑛 𝑛
𝑋
(𝑃 − 𝑝) −𝑝
𝑍= = 𝑛 Tiene aproximadamente una distribución
𝑝𝑞 𝑝𝑞 normal estándar
𝑛 𝑛

Para evaluar una probabilidad de tipo P[X ≤ Po], donde Po es un número entre 0 y 1, es una binomial y se escribe:

𝑛
𝑃 𝑋=𝑥 = 𝑥
𝑝 𝑥 𝑞 𝑛−𝑥 x=1,2,…..n
 Tiene aproximadamente una distribución normal estándar
𝑝𝑜 − 𝑝
𝑃 𝑃 ≤ 𝑝𝑜 = 𝑃[𝑍 ≤ ]
𝜎𝑃

1) Para una población infinita, cualquiera sea el tipo de muestreo

2) Para una población finita, cuando el muestreo es con remplazamiento

Si el muestreo se hace sin reposición, de una población binomial finita, la distribución por muestreo 𝑃
obedece a la distribución de probabilidad hipergeométrica:

𝑁 𝑁−𝑀
𝑥 𝑥 𝑥 𝑛−𝑥
𝑃 𝑃= =𝑝 = 𝑁
𝑛 𝑛
𝑛

𝑋
−𝑝 Tiene aproximadamente
𝑝𝑞 𝑁 − 𝑛 𝑍= 𝑛
𝜎𝑃 = Si n en grande
𝑝𝑞 𝑁 − 𝑛
una distribución N(0,1)
𝑛 𝑁−1
𝑛 𝑁−1
 Si n es muy pequeña, puede obtenerse distribuciones normales introduciendo el FACTOR DE CORRECCIÓN
DE CONTINUIDAD ½ n, este se utiliza en ves de 1/2
1
𝑝𝑜 + −𝑝
𝑃 𝑃 < 𝑝𝑜 = ∅[ 2𝑛 ]
𝜎𝑃
Distribución de la diferencia de 2 proporciones
¿Existe diferencia entre la proporción de artículos defectuosos que genera la máquina A a los que genera la
máquina B?
Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos proporciones muestrales, la
distribución muestral de diferencia de proporciones es aproximadamente normal para tamaños de muestra
grande (n1p1 > 5, n1q1 > 5,n2p2 >5 y n2q2 >5). Entonces p1 y p2 tienen distribuciones muestrales
aproximadamente normales, así que su diferencia p1-p2 también tiene una distribución muestral
aproximadamente normal. 𝜇𝑝1 − 𝜇𝑝2 = 𝑝1 − 𝑝2

𝑝1𝑞1 𝑝1𝑞1
𝜎 𝑃 1− 𝑃 2 = +
𝑛1 𝑛1
𝑋 𝑋
( 1 − 2) − (𝑝1 − 𝑝2)
𝑍 = 𝑛1 𝑛2
𝑝1𝑞1 𝑝2𝑞2
+
𝑛1 𝑛2