ESTADISTICA

INFERENCIAL
DISTRIBUCIONES MUESTRALES

MACHICAO BEJAR NILTON

DISTRIBUCIONES MUESTRALES

Como los valores de un estadístico, tal como la Media x, varían de una

muestra aleatoria a otra, se le puede considerar como una variable aleatoria
con su correspondiente distribución de frecuencias.

Es así como está distribución de frecuencias de un estadístico muestral (X,

S, P) se denomina DISTRIBUCIÓN MUESTRAL QUE PUEDE SER DE LA
(Media, Desviación Estándar, Proporción). En general, la distribución
muestral de un estadístico es la distribución de todos sus valores posibles
calculados a partir de MUESTRAS DEL MISMO TAMAÑO.
DISTRIBUCION MUESTRAL DE LA MEDIA

Para hallar la Distribución Muestral de la Media, podemos escoger por

ejemplo, muestras aleatorias de tamaño 20 (TODAS DEL MISMO TAMAÑO),
de una población grande, luego calculamos la media de c/u de estas
muestras, graficamos c/u de estas medias como una variable aleatoria y
hallamos la DISTRIBUCIÓN MUESTRAL DE LA MEDIA.

DISTRIBUCION
MUESTRAL DE LA
MEDIA

Datos/Observaciones
DISTRIBUCION MUESTRAL DE LA
DESVIACION ESTANDAR
Suponga que se eligen muestras aleatorias de tamaño 20, de una población
grande, y se calcula la desviación estándar de cada una. La colección de
todas estas desviaciones estándar muestrales se llama DISTRIBUCIÓN
MUESTRAL DE LA DESVIACIÓN ESTÁNDAR.

DISTRIBUCION
MUESTRAL DE
LA DESVIACION
ESTANDAR

Datos/Observaciones
PROPIEDADES DE LA DISTRIBUCION
MUESTRAL
1. PROPIEDAD DE LA MEDIA MUESTRAL
Se cumple que :
La Media de la distribución muestral es igual a la Media Poblacional
μx = μ

2. PROPIEDAD DE LA DESVIACION ESTANDAR MUESTRAL

La Desviación Estándar de una distribución muestral es igual a la
Desviación Estándar Poblacional dividido por la Raíz Cuadrada del
tamaño de la muestra:
ơ NOTA: Valido para una población
ơx =
√𝑛 infinita ó finita con formación de
muestra con reemplazo

Datos/Observaciones
PROPIEDADES DE LA DISTRIBUCION
MUESTRAL

2. PROPIEDAD DE LA DESVIACION ESTANDAR MUESTRAL

Pero si la distribución muestral es para una población finita Y LA
MUESTRA FORMADA SIN REPOSICION se utilizara la siguiente formula:

ơ 𝑁−𝑛
ơx = x √
√𝑛 𝑁 −1
Donde:
σx = Desviación Estándar de la Media Muestral
σ = Desviación Estándar Poblaciónal
N = Tamaño de la población
n = Tamaño de la Muestra

Datos/Observaciones
PROPIEDADES DE LA DISTRIBUCION
MUESTRAL
3. PROPIEDAD DE LA DISTRIBUCION MUESTRAL CUANDO LA POBLACION ES
NORMAL

Si la población de la que se extraen las muestras es normal, la distribución muestral

de medias será también normal sin importar el tamaño de la muestra (n≥ 2).

Para una población Normal se cumple: N (μ, σ2 )

σ2
Luego para la distribución de las medias muestrales se cumplirá que: N (μᵪ, )
𝑛

𝑋𝑖−μ 𝑋𝑖−μᵪ
Y el valor de Z se transformara de: Z= ( ) en: Z= ( )
σ σ/ 𝑛

Datos/Observaciones
TEOREMA DE LA DISTRIBUCION MUESTRAL

TEOREMA DEL LIMITE CENTRAL

De una población infinita con media μᵪ y varianza σᵪ2 se extraen

muestras aleatorias de tamaño n, entonces la media muestral X 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 (n ≥ 30).
σᵪ2
N (μᵪ, )
𝑛

Datos/Observaciones
RESUMEN DE FORMULAS
DISTRIBUCION MUESTRAL
 μᵪ = μΧ la media de las medias muestrales es igual a la media poblacional

σ
 σᵪ = la varianza de las medias muestrales es igual a la varianza poblacional
√𝒏
dividido entre n cuando la población es infinita o finita con reposición.

σ 𝑁−𝑛
 σᵪ = √ cuando la población es finita N , y el tamaño de la muestra es sin
√𝒏 𝑁 −1
reposición.

Donde: σ es la desviación estándar de la población.

σᵪ es la desviación estándar de la muestra
N es el tamaño de la población
n es el tamaño de la muestra

RESUMEN DE FORMULAS DE DISTRIBUCION MUESTRAL

CASOS QUE SE PRESENTAN PARA HALLAR
LA PROBABILIDAD DE LA MEDIA MUESTRAL
A. CUANDO SE CONOCE LA VARIANZA POBLACIONAL
Para hallar la probabilidad de la Media Muestral, cuando la distribución es normal n ≥ 30, y se
conoce la varianza poblacional, usaremos:

𝑋−μ
Z= PROBABILIDAD CUANDO LA POBLACION ES INFINITA n y la muestra
σ/ 𝑛
obtenida con reposición.

𝑋−μ
Z= PROBABILIDAD CUANDO LA POBLACION ES FINITA N y la muestra
σ 𝑁−𝑛
∗( 𝑁 −1)
𝑛
Donde: 𝜇 media poblacional
obtenida sin reposición. X media muestral
σ es la desviación estándar poblaciónal
Z Coeficiente de Distribución Normal
N es el tamaño de la población
n es el tamaño de la muestra

Datos/Observaciones
 CASOS QUE SE PRESENTAN PARA HALLAR
LA PROBABILIDAD DE LA MEDIA MUESTRAL
B.1 CUANDO NO SE CONOCE LA VARIANZA POBLACIONAL
Para hallar la probabilidad de la Media Muestral, para una distribución normal y n < 30 ,
cuando no se conoce la varianza poblacional, pero si la varianza muestral, usaremos:
𝑋−μ
t= PROBABILIDAD MUESTRAL PARA MUESTRA PEQUEÑA n < 30
𝑆/ 𝑛

Donde: μ media poblacional

Χ es la media muestral
S es la desviación estándar de la muestra
n es el tamaño de la muestra
t distribución t-student
NOTA: Es raro que conozcamos la desviación estándar de una población y que no conozcamos su
media (pues se la necesita para el cálculo). Cuando se desconoce la desviación estándar de una
población esta debe ser estimada por la desviación muestral S, para tales aplicaciones existe una
distribución continua llamada t de estudent.

Datos/Observaciones
 CASOS QUE SE PRESENTAN PARA HALLAR
LA PROBABILIDAD DE LA MEDIA MUESTRAL
B.2 CUANDO NO SE CONOCE LA VARIANZA POBLACIONAL
Para hallar la probabilidad de la Media Muestral, para una distribución normal y n > 30 ,
cuando no se conoce la varianza poblacional, pero si la varianza muestral, usaremos:

𝑋−μ
Z= PROBABILIDAD MUESTRAL PARA MUESTRA n > 30 Y DIST.NORMAL
𝑆/ 𝑛
(la ơ se aproxima a S)

Donde: μ media poblacional

Χ es la media muestral
S es la desviación estándar de la muestra
n es el tamaño de la muestra
Z es la Distribución Normal
NOTA: Cuando el valor de n es grande ≥ 30, se puede utilizar z, pues el resultado es muy
cercano.
Datos/Observaciones
DISTRIBUCION MUESTRAL DE LA MEDIA

EJEMPLO1.
Una empresa eléctrica fabrica focos que tienen un tiempo de duración que se
distribuye en forma normal, con media 800 horas y desviación estándar de 40
horas. Encuentre la probabilidad de que una muestra aleatoria de 16 focos
tenga una vida promedio de menos de 775 horas.

Datos/Observaciones
DISTRIBUCION MUESTRAL DE LA MEDIA
SOLUCION:
DATOS POBLACION: DATOS MUESTRA: PREGUNTA:
μ= 800 σ= 40 n=16 P(X< 775)

OBSERVACION: TENEMOS COMO DATO LA VARIANZA POBLACIONAL, Y SABEMOS

QUE EL TIEMPO DE DURACION DE LOS FOCOS ES UNA VARIABLE QUE SE
DISTRIBUYE EN FORMA NORMAL, EN ESTE CASO n < 30, UTILIZAMOS EL
ESTADISTICO Z:
𝑋−μ
P(X< 775) Z=
𝑥−μ 775−μ σ/ 𝑛
P( <
ơ/√𝑛 ơ/√𝑛
775−800
Z=
40/ 16
Reemplazando:
Z = -2,5
Buscando en tablas encontramos que la probabilidad
será de 0.62%
Datos/Observaciones
DISTRIBUCION MUESTRAL DE LA MEDIA

EJEMPLO2

Las estaturas de 1000 estudiantes están distribuidas aproximadamente en

forma normal con una media de 174.5 centímetros y una desviación estándar
de 6.9 centímetros. Si de esta población de 1000 estudiantes se extraen 200
muestras aleatorias de tamaño 25 y sin reemplazo. Determine la probabilidad
de que la medias muestral se encuentre entre 172.5 y 175.8 cm.

Datos/Observaciones
DISTRIBUCION MUESTRAL DE LA MEDIA
Rpta:
Como nos están pidiendo el número de medias muestrales, debemos hallar la probabilidad,
así:
DATOS POBLACION DATOS MUESTRA
μ= 174,5 σ= 6,9 N= 1000 n=25

Hallar P(172,5 < X < 175,8)

Luego utilizaremos la siguiente fórmula:
σ 𝑁−𝑛 𝑿−𝝁 𝑿−𝝁
σx = √𝒏 √𝑁 −1 Z= 𝝈 𝑁−𝑛 𝝈 𝑁−𝑛
( ∗√ ( ∗√
𝒏) 𝑁 −1
𝒏) 𝑁 −1
Z= P(172,5 < X < 175,8)= 0,831-0,071
6,9 1000−25 𝟏𝟕𝟓,𝟖−𝟏𝟕𝟒,𝟓 P(172,5 < X < 175,8)= 0,7607
σᵪ = Z=
𝟏𝟕𝟐,𝟓−𝟏𝟕𝟒,𝟓 Z= 𝟏,𝟑𝟔
√𝟐𝟓 1000−1
𝟏,𝟑𝟔

σᵪ = 1,38 * 0,9879 Z = 1,3/1,36 Luego la probabilidad es 0,7607 x

Z = -2/1,36
Z= 0,96 200 = 152 medias muestrales
Z= - 1,47
σᵪ = 1,36 Prob: 0,071 Prob:0,831

Datos/Observaciones