DISTRIBUCIÓN MUESTRAL DE LA MEDIA

Aunque el análisis que sigue de las distribuciones muéstrales es

principalmente teórico, es de vital importancia, ya que las conclusiones
que de él se derivan son el fundamento de las 2 técnicas básicas de la
inferencia estadística: La estimación de parámetros y las pruebas de
hipótesis.

La distribución muestral de la media

es el conjunto de las medias de
todas las muestras de tamaño n que
es posible obtener de una población
de tamaño N.

Para el estudio de la Distribución muestral de la media, debemos recordar:

MEDIA POBLACIONAL
La media poblacional es la suma de los valores de la población dividida
por el tamaño de la población N.
N

∑ Xi
μ= i=1
N
Ec. 1

DESVIACIÓN ESTÁNDAR POBLACIONAL

Para calcular la desviación estándar  de la población se utiliza la
siguiente ecuación:
N

σ=
√ ∑ (X ¿¿ i−μ)2
i=1
N
¿

Ec. 2
EJEMPLO:
Suponga que se tiene una población de 5 familias, (N=5) y la variable que
se estudia es el número de hijos de cada familia. Los datos
correspondientes aparecen en la siguiente tabla:
FAMILIA Hijos X
Pérez 2
Gómez 4
Durán 6
Hidalgo 8
Juárez 10
Total 30

1. Calcula la Media aritmética y la desviación estándar de esta

población.
Utilizamos las ecuaciones Ec. 1 y Ec. 2:
N

∑ Xi 2+ 4+6+ 8+10 30
μ= i=1 = = =6
N 5 5

Para calcular la desviación estándar:

N

FAMILIA
σ=

Hijos X
√ ∑ (X ¿¿ i−μ)2
i=1

( X −μ)
N

( X −μ)2
¿

Pérez 2 -4 16
Gómez 4 -2 4
Durán 6 0 0
Hidalgo 8 2 4
Juárez 10 4 16
Total 30 0 40
Tabla 1: Número de hijos por familia
N

σ=
√ ∑ (X ¿¿ i−μ)2
i=1
N
=
√ 40
5
=√ 8=2,8284 ¿
2. Con un tamaño de muestra n=2, determinar el número total de
muestras que es posible obtener de esta población que tiene 5
elementos.

La fórmula que se utiliza para determinar dicho número de

muestras es la fórmula de las combinatorias que se vio en
estadística descriptiva y al inicio del curso. (Donde N es el número
de elementos de la Población y n el de la muestra)

N! 5!
C Nn = = =10
n! ( N −n ) ! 2! (5−2 ) !

Se tiene entonces que el número total de muestras de tamaño 2

que es posible obtener de una población con 5 elementos es de 10.
En la siguiente tabla aparece el listado de todas estas muestras,
junto con sus correspondientes valores para la variable de números
de hijos, la cual constituye la distribución muestral para n=2:

Muestra Hijos
Pérez, Gómez 2, 4
Pérez, Durán 2, 6
Pérez, Hidalgo 2, 8
Pérez, Juárez 2, 10
Gómez, Durán 4, 6
Gómez, Hidalgo 4, 8
Gómez, Juárez 4, 10
Durán, Hidalgo 6, 8
Durán, Juárez 6, 10
Hidalgo, Juárez 8, 10
Tabla 2: Distribución muestral para n=2
 Ahora se calcula la media de estas muestras (Distribución muestral
de la media):

Nota: El valor ( X́ −μ X́ ) representa la desviación que hay entre la

media μ X́ =6 y cada media de las muestras X́ .

Muestra Hijos X́ ( X́ −μ X́ ) ( X́ −μ X́ )2
Pérez, Gómez 2, 4 3 -3 9
Pérez, Durán 2, 6 4 -2 4
Pérez, Hidalgo 2, 8 5 -1 1
Pérez, Juárez 2, 10 6 0 0
Gómez, Durán 4, 6 5 -1 1
Gómez, Hidalgo 4, 8 6 0 0
Gómez, Juárez 4, 10 7 1 1
Durán, Hidalgo 6, 8 7 1 1
Durán, Juárez 6, 10 8 2 4
Hidalgo, Juárez 8, 10 9 3 9
TOTAL 60 0 30
Tabla 3: Distribución muestral de la media

 Ahora se debe calcular la Media de todas la medias, es decir, la

media de la distribución muestral de la media, a la que se
representa con el símbolo μ X́ , es:

μ X́ =
∑ X́ = 60 =6
N 10

La primera conclusión que podemos sacar, es que la media de la

distribución muestral de la media es igual a la media de la población, o
dicho en otras palabras, el valor esperado de la media es igual a la media
de la población. Esto en símbolos es:

μ X́ =
∑ X́
n

 Procedemos a calcular la Desviación estándar de todas las medias, o

sea la desviación estándar de la distribución muestral de las medias,
es:
∑ ( X́−μ X́ )2 =
σ X́ =
√ n √ 30
10
=1,732
 En donde el subíndice X́ señala que es la desviación estándar de la
distribución muestral de la media. A este valor se le conoce como
error estándar de la media.

El error estándar de la media, expresa cuánto varía la media

muestral entre una muestra y otra.

ERROR ESTÁNDAR DE LA MEDIA

El error estándar de la media σ X́ es igual a la desviación estándar de la
población σ dividida por la raíz cuadrada del tamaño de la muestra n.
σ
σ X́ =
√n
Donde σ = desviación estándar de la población
n= tamaño de la muestra Ec. 3

Hallando el error estándar de la media del ejemplo anterior, tenemos

que:
σ 2,8284
σ X́ = = =1,999
√n √2

En los ejemplos de la semana 3 (distribución normal de probabilidad), se

calculaba Z con cualquier valor sencillo X. Ahora, el cálculo de Z para la
distribución muestral de la media es:

CÁLCULO DE Z PARA LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA

X́ −μ X́ X́−μ X́
z= =
σ X́ σ
√n
Ec. 4
EJERCICIOS RESUELTOS
El promedio del peso neto de atún enlatado por una empacadora es de
μ=325g con una desviación estándar σ =20 g , si se extrae de la producción
de la empacadora una muestra aleatoria de 50 latas de atún, ¿Cuál es la
probabilidad de que su media:
1. Sea inferior a 320g?
2. Esté entre 320 y 330 g?
Solución:
Para este caso tenemos: n= 50, σ =20, μ=325g
1.
Debo hallar la desviación estándar de la distribución muestral de la media
(error estándar):
σ 20
σ X́ = = =2,828
√ n √50
Ahora calculo el valor de Z para X=320:
X́ −μ X́ 320−325
z= = =−1,77
σ X́ 2,828

De la tabla de áreas bajo la curva

normal (semana 3), con Z=1,77 , la
P= 0,4616.
Pero esta probabilidad es del área
que abarca desde la media (325)
hasta 320.
Y lo que nos interesa saber es la
Probabilidad de que sea menor a
320g, es decir del área sombreada
en rojo (a la izquierda de la campana de gauss).
Teniendo esta probabilidad y sabiendo que desde la media μ X́ (325) hacia
la derecha o izquierda la probabilidad es 0,5. Restamos:
P(x< 320) = 0,5 – 0,4616 = 0,0384
R/ta: La probabilidad de que la media de la muestra de 50 latas de atún
tenga una media inferior a 320gr es de 3,84%.
2. Para calcular la probabilidad
de que su media esté entre
320 y 330gr, debemos
hallarlas por separado y
luego sumar las
probabilidades. Es decir, ya
tenemos la probabilidad en
el área verde que es
P=0,4616. Sólo basta hallar la
probabilidad del área roja
(P(325≤X≤330) para luego sumar estás dos probabilidades:

Calculamos la Probabilidad cuando x=330:

X́ −μ X́ 330−325
z= = =1,77
σ X́ 2,828

Buscando en la tabla para z=1,77, la Probabilidad es 0,4616.

Ahora sumamos las dos probabilidades:
P ( 320≤ X ≤ 330 )=P ( X =325 ) + P ( X=330 )
P ( 320≤ X ≤ 330 )=0,4616+ 0,4616
P ( 320≤ X ≤ 330 )=0,9232

EJEMPLO 3
Considere una población en la que se estudia una característica X que
sigue una distribución normal de media μ = 12 y varianza σ 2=16
Se pide:
a) Probabilidad de que un elemento de esa población, elegido al azar,
tenga la característica superior a 14.
b) Considere una muestra aleatoria de tamaño 9. ¿Cuál es la
probabilidad de que la media muestral X́ tenga un valor superior a
14?
Solución:
a) En este punto se pide
evaluar la probabilidad en
la zona sombreada en la
gráfica, es decir, cuando
X>14.
Para ello primero calculo la
probabilidad desde la
media (12) hasta cuando
x=14.
Los datos que se tienen son:
σ 2=16 que es el valor de la varianza.
μ = 12 que es la media

Necesitamos hallar la desviación estándar que es la raíz cuadrada de

la varianza σ =√ σ 2= √16=4
Hallamos el valor de Z:
X́ −μ X́ 14−12
z= = =0,5
σ X́ 4
Luego buscamos este valor de Z=0,5 en la tabla de distribución
normal:
P ( 12≥ X ≤14 )=0,1915 Esta es la probabilidad entre 12 y 14. Pero
como nos interesa el área bajo la curva (sombreada de rojo), es
decir, donde X>14. Y sabiendo que la probabilidad de la mitad de la
campana de gauss es igual a 0,5.
Entonces restamos:

P ( X >14 )=0,5−0,1915=0,3085
R/ta: La probabilidad de que un elemento de esa población, tenga
características superiores a 14 es del 30,85%

b) En este punto me dicen que considere la muestra n= 9 y me piden

hallar la probabilidad de que x>14.
Para ello debo utilizar la Z:
 X́ −μ X́ X́−μ X́ 14−12
z= = = =1,5
σ X́ σ 4
√n √9
Buscamos en la tabla de distribución normal z=1,5. Y tenemos que:

P ( 12≥ X ≤14 )=0,4332

Restamos:
P ( X >14 )=0,5−0,4332=0,0668
R/ta: Esto quiere decir que para una muestra de n=9, la
probabilidad de que el valor de X sea mayor a 14 es de un 6,7%

EJEMPLO N° 4

La edad en la que contraen matrimonio los hombres de la Isla

Bachuca es una variable aleatoria que se puede aproximar por una
distribución normal de media 35 años y desviación típica de 5 años.
Se elige aleatoriamente una muestra de 100 hombres de dicha isla.
Sea X́ la media muestral de la edad de casamiento.
a) ¿Cuáles son la media y la varianza de X́ ?
b) ¿Cuál es la probabilidad de que la edad media de casamiento de la
muestra esté comprendida entre 36 y 37?
Solución:

La población se distribuye como una normal de media μ=35 y

desviación típica σ =5
a) Las muestras de una población se distribuyen según la normal de la
media X́ =μ, por lo tanto, la X́ =35.
La desviación típica:
σ 5
σ X́ = = =0,5 entonces la varianza σ X́ 2=( 0,5 )2 =0,25
√ n √100

b) Lo que nos piden en este

punto es hallar la
probabilidad bajo la curva
sombreada de rojo, es
decir, la P(36>X<37).
Datos que tenemos:
μ=35
σ X́ =0,5

Hallamos Z1 que corresponde a:

36−35
z 1= =2 , cuya probabilidad por tabla es 0,4772
0,5

Hallamos Z2 que corresponde a:

37−35
z 2= =4 , cuya probabilidad por tabla es 0,5
0,5

Ahora restamos:
P ( 35< X <37 )−P ( 35< X <36 )=¿ 0,5 – 0,4772 = 0,0228

R/ta: La probabilidad de que en una muestra de 100 hombres, se casen en

una edad promedio entre 36 y 37 años es de 2,3%.