TEMA 2.

5 Distribuciones Muestrales

INTRODUCCION
El estudio de determinadas características de una población se efectúa a través de
diversas muestras que pueden extraerse de ella.
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. 
Distribución Muestral: 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.
Error estándar: La varianza de las medias muestrales es igual a la varianza
poblacional dividida por n. En consecuencia, la desviación estándar de las medias
muestrales (llamada también el error estándar de la media muestral), es igual a la
desviación estándar poblacional dividida por la raíz cuadrada de n.
Teorema de límite central: De una población infinita con media μ y varianza σ z
se extraen muestras aleatorias de tamaño n , entonces la media muestral
se comporta aproximadamente como una variable aleatoria
normal con media igual a la media poblacional y con varianza
igual a la varianza poblacional dividida por el tamaño de la
muestra, siempre que n sea grande. Esto es:

σ2
( )
x́ N μ ,
n

Estandarizado:

x́−μ
z= N ( 0,1 )
σ
√n

De acuerdo al Teorema del Límite Central, la distribución muestral de una

estadística (como la media de la muestra) seguirá una distribución normal, siempre y
cuando el tamaño de la muestra sea suficientemente grande suficientemente grande.
Entonces cuando conocemos la desviación estándar de la población podemos
calcular un valor o calificación z y emplear la distribución normal para evaluar
probabilidades sobre la media de la muestra. Sin embargo, muchas veces los tamaños de
las muestras son muy pequeños, y frecuentemente no conocemos la desviación estándar
de la población. Cuando estos problemas ocurren, en estadística se recurre a una
distribución conocida como la “t de student” cuyos valores están dados por:
 x́−μ
t=
s
√n
Otra diferencia con la distribución normal, es que la forma de la distribución la forma de la
distribución t de student depende de un par depende de un parámetro llamado el número
de grados de libertad. El número de grados de libertad es igual al tamaño de la muestra
(número de observaciones independientes) menos 1.
gl=ⅆf =n−1

Las curvas muestran la forma que puede tomar la distribución t de student la cual
depende del número de grados de libertad. Como se puede apreciar se parece mucho a
la distribución normal. Incluso, para un número grande de grados de libertad (es decir de
número de datos en la muestra) las dos distribuciones son iguales.

La distribución t de student tiene las siguientes propiedades:

•La media de la distribución es igual a 0
ⅆf
•La varianza es igual a donde df (se usa también ν) es el número de grados
ⅆf −2
de libertad
•La varianza es siempre mayor que 1, aunque es muy cercana a 1 cuando se tiene un
número de grados de libertad grande.
•Con infinitos grados de libertad la distribución t es igual a la normal.
La distribución t de student se puede usar cuando cualquiera de las siguientes
condiciones se cumple:
• La distribución de la población n es normal
• La distribución de la muestra es simétrica, unimodal, sin puntos dispersos y trica,
unimodal, sin puntos dispersos y alejados (alejados (outliers) y el tamaño de la muestra es
de 15 o menos.
• La distribución de la muestra es moderadamente asimétrica, unimodal, sin trica,
unimodal, sin puntos dispersos (puntos dispersos (outliers) y el tamaño de la muestra está
entre 16 y 30
• El tamaño de la muestra es mayor de 30, sin puntos dispersos (aunque en o de la
muestra es mayor de 30, sin puntos dispersos, aunque también se puede usar la
distribución se puede usar la distribución normal).