Unidad 4: Teorema del límite central

Distribuciones muestrales

Es poco probable que una media muestral sea idéntica a la media poblacional. De igual manera
la desviación estándar u otra medida calculada a partir de la muestra. De ahí nace el término
“error de muestreo” que es la diferencia entre el valor del estadístico de la muestra menos el
valor del parámetro de la población.

Ejemplo:

No.
Estudiante Calificación
1 12
2 20
3 15
4 18
5 17
6 14
7 16
8 19
9 20
10 12
11 14
12 15
13 14
14 17
15 18
X
µ=∑ =¿16.17
N
Tomar 3 muestras aleatorias de 4 estudiantes y encontrar la media muestral.

Muestra 1

No.
Estudiante Calificación
1 12
2 20
3 15
4 18

X
X́ =∑ =¿16.25
n
Muestra 2

No.
Estudiante Calificación
12 15
13 14
14 17
15 18

X
X́ =∑ =¿16
n
Muestra 3

No.
Estudiante Calificación
6 14
7 16
8 19
9 20

X
X́ =∑ =¿17.25
n
Error de muestreo 1: 16.25-16.17=0.08 Sobrestimando el valor de la media poblacional

Error de muestreo 2: 16-16.17=-0.17 Se esta sub estimando el valor de la media poblacional.

Error de muestreo 3: 17.25-16.17=1.08 Sobrestimando el valor de la media poblacional

Número total de muestras: NCn=15C4=1365

Distribución muestral de la media

Es un listado de los valores de todas las posibles medias de las muestras con su probabilidad
de ocurrencia.

Ejemplo:

La empresa “XYZ” tiene 7 empleados en el área de producción. En la siguiente tabla se muestra

los ingresos por hora de cada uno de ellos.

Ingreso por
Empleado hora
1 7
2 7
3 8
4 8
5 7
6 8
7 9

1. Calcular la media aritmética de la población

54
µ=∑ =7.71
7
2. Realizar una distribución probabilística poblacional
Ingreso por Ingreso por P(X)
hora hora
7 3 3/7
8 3 3/7
9 1 1/7
N=7
3. Calcular la dispersión de la población (utilizar el rango)
R=Xmax – Xmin
R=9-7 =2
4. Graficar la distribución poblacional

3/7

1/7

7 8 9
5. Determinar el número de posibles muestras de 2 empleados
NCn=7C2 =21
6. Realizar la distribución de medias muestrales

Combinació
No Valores Media
n
1  1,2  7+7  7
2  1,3  7+8  7.5
3  1,4  7+8  7.5
4  1,5  7+7  7
5  1,6  7+8  7.5
6  1,7  7+9  8
7 2,3   7+8  7.5
8  2,4  7+8  7.5
9  2,5  7+7  7
10  2,6  7+8  7.5
11  2,7  7+9  8
12  3,4  8+8  8
13  3,5  8+7  7.5
14  3,6  8+8  8
15  3,7  8+9  8.5
16  4,5  8+7  7.5
17  4,6  8+8  8
18  4,7  8+9  8.5
19  5,6  7+8  7.5
20  5,7  7+9  8
21  6,7  8+9  8.5
 7. Realizar la distribución de medias muestrales

X (Media) Frecuencia P(x) XP(x)

7 3 1/7 1
7.5 9 3/7 3.2143
8 6 2/7 2.2857
8.5 3 1/7 1.2143
N=21
8. Encontrar la media aritmética de la distribución de medias muestrales
µ=7.7143

9. Calcular la dispersión de la distribución de medias muestrales

R=8.5-7=1.5
10. Graficar la distribución de medias muestrales

3/7

2/7

1/7

7 7.5 8 8.5

Conclusiones:

1. La media de la distribución poblacional es igual a la media de la distribución de medias

muestrales. µ= µ X́
2. La variación en la distribución poblacional es mayor o igual que la dispersión en la
distribución de medias muestrales.
3. La forma de la distribución de medias muestrales se aproxima a una distribución
normal.

Teorema del límite central: al tomar todas las posibles muestras de tamaño “n” de una
población, la distribución de medias muestrales seguirá una distribución de probabilidad
normal. A medida que el tamaño de la muestra sea más grande esta aproximación será
mejor.

Si la distribución de medias muestrales se aproxima a la distribución de probabilidad

normal se deben estandarizar los valores de cualquier media para encontrar
probabilidades.

Se utiliza la siguiente fórmula:

X́−µ
Z=
σ / √n
El teorema del límite central se cumple en todas las distribuciones. No importa la forma de
la población que la distribución de la media muestral seguirá la distribución normal de la
siguiente manera:
 - Si la población obedece a una distribución de probabilidad normal, entonces en el caso
de cualquier tamaño de muestra la distribución de medias muestrales seguirá la
distribución de probabilidad normal.
- Si la distribución poblacional es simétrica, pero no normal, la distribución de medias
muestrales para que sea normal deberá contar con tamaños de muestras pequeños
como 10.
- Si la distribución poblacional es sesgada hacia la izquierda o hacia la derecha se
requieren muestras más grandes, 30 o más, para observar que la distribución de
medias muestrales sigan la distribución de probabilidad normal.

Conclusiones del teorema del límite central:

1. Medias: La media de la distribución poblacional y de la distribución de medias

muestrales son iguales.
2. Dispersión: La dispersión en la distribución de medias muestrales es siempre menor o
igual que en la distribución poblacional.
3. Forma: La forma de la distribución de medias muestrales se aproxima a una
distribución de probabilidad normal.