ESTADÍSTICA APLICADA PARA LA TOMA

DE DECISIONES
CIENCIAS ECONÓMICAS

Docente: Segundo O. Rodríguez Bellina

5° SEMANA
 DISTRIBUCIONES MUESTRALES
Es la distribución de los valores del estadístico de interés(Media, proporción,
etc.), obtenidos a partir de todas las muestras posibles del mismo tamaño,
extraídas de una misma población. En la práctica, una distribución muestral,
sólo puede elaborarse de poblaciones finitas y variables discretas,
operándose de la siguiente manera:
De una población de tamaño N, se extraen aleatoriamente todas las posibles
muestras de tamaño n.
Para cada muestra se calcula el estadístico de interés(Media, proporción,
etc.).
Se listan los distintos valores observados del estadístico, con sus respectivas
frecuencias.
 DISTRIBUCIONES MUESTRALES

Cuando la población es demasiado grande, elaborar la distribución muestral

de cualquier estadístico es sumamente laborioso, dificultando
seriamente este proceso.
Cuando la población es infinita, la construcción de la distribución muestral
de cualquier estadístico es imposible. la distribución muestral de cualquier
estadístico es imposible.
Sin embargo, en estos dos casos puede obtenerse una aproximación de las
distribuciones muestrales, por medio de la matemática, para lo cual se toma
un gran número de muestras de un determinado tamaño.
 DISTRIBUCIÓN MUESTRAL DE UNA MEDIA
POBLACIÓN Edad de alumnos: 18, 20, 22 y 24 años.

Determinar la media y la varianza:

∑ 𝒙𝒙𝒊𝒊 𝟏𝟏𝟏𝟏 + 𝟐𝟐𝟐𝟐 + 𝟐𝟐𝟐𝟐 + 𝟐𝟐𝟐𝟐
𝝁𝝁 = 𝝁𝝁 = 𝝁𝝁 = 𝟐𝟐𝟐𝟐
𝑵𝑵 𝟒𝟒

∑ 𝟐𝟐
(𝒙𝒙 −𝝁𝝁)
𝝈𝝈𝟐𝟐 = 𝒊𝒊
(𝟏𝟏𝟏𝟏 − 𝟐𝟐𝟐𝟐)𝟐𝟐 + ⋯ + (𝟏𝟏𝟏𝟏 − 𝟐𝟐𝟐𝟐)𝟐𝟐 𝝈𝝈𝟐𝟐 = 5
𝟐𝟐
𝑵𝑵 𝝈𝝈 =
𝟒𝟒

𝝈𝝈 = 𝝈𝝈𝟐𝟐 = 𝟓𝟓=2.24
 POSIBLES MUESTRAS CON REPOSICIÓN DISTRIBUCIÓN MUESTRAL DE LA MEDIA
M Element Media M Element Media
ue os ue os
str str Media 𝒇𝒇𝒊𝒊 Probabilidad
a a 18 1 0.0625
1 (18,18) 18 9 (22,18) 20 19 2 0.1250
2 (18,20) 19 10 (22,20) 21 20 3 0.1875
3 (18,22) 20 11 (22,22) 22
21 4 0.2500
4 (18,24) 21 12 (22,24) 23
22 3 0.1875
5 (20,18) 19 13 (24,18) 21
6 (20,20) 20 14 (24,20) 22 23 2 0.1250
7 (20,22) 21 15 (24,22) 23 24 1 0.0625
8 (20,24) 22 16 (24,24) 24 Total 16 1.0000
 CÁLCULO DE LOS PARÁMETROS DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA
Media 𝒇𝒇𝒊𝒊 Probabilidad � 𝒊𝒊 𝒇𝒇𝒊𝒊
∑ 𝑿𝑿
18 1 0.0625 𝝁𝝁𝑿𝑿� =
𝑵𝑵𝒏𝒏
19 2 0.1250 𝟏𝟏𝟏𝟏 𝟏𝟏 + 𝟏𝟏𝟏𝟏 𝟐𝟐 + ⋯ + 𝟐𝟐𝟐𝟐(𝟏𝟏)
𝝁𝝁𝑿𝑿� = = 𝟐𝟐𝟐𝟐
20 3 0.1875 𝟏𝟏𝟏𝟏
21 4 0.2500 ∑ ( � 𝒊𝒊 − 𝝁𝝁𝑿𝑿� )𝟐𝟐 𝒇𝒇𝒊𝒊
𝑿𝑿
𝝈𝝈𝟐𝟐𝑿𝑿� =
22 3 0.1875 𝑵𝑵𝒏𝒏
23 2 0.1250 (𝟏𝟏𝟏𝟏 − 𝟐𝟐𝟐𝟐) 𝟐𝟐
∗ 𝟏𝟏 + 𝟏𝟏𝟗𝟗 − 𝟐𝟐𝟐𝟐 𝟐𝟐
∗ 𝟐𝟐 + ⋯ + (𝟐𝟐𝟐𝟐 − 𝟐𝟐𝟐𝟐) 𝟐𝟐
𝝈𝝈𝟐𝟐𝑿𝑿� = =
24 1 0.0625 𝟏𝟏𝟏𝟏
Total 16 1.0000 𝟐𝟐
𝝈𝝈𝑿𝑿� = 𝟐𝟐. 𝟓𝟓

𝝈𝝈𝑿𝑿� = 𝝈𝝈𝟐𝟐𝑿𝑿� = 𝟐𝟐. 𝟓𝟓 = 𝟏𝟏. 𝟓𝟓𝟓𝟓

 RELACIÓN ENTRE LOS PARÁMETROS
𝝁𝝁𝑿𝑿� = 𝟐𝟐𝟐𝟐 = 𝝁𝝁 = 𝟐𝟐𝟐𝟐 → 𝝁𝝁𝑿𝑿� = 𝝁𝝁

𝝈𝝈𝟐𝟐
𝝈𝝈𝟐𝟐𝑿𝑿� = 𝟐𝟐. 𝟓𝟓 ≠ 𝝈𝝈𝟐𝟐 = 𝟓𝟓 → 𝝈𝝈𝟐𝟐𝑿𝑿� =
𝒏𝒏

𝝈𝝈
𝝈𝝈𝑿𝑿� = 𝟏𝟏. 𝟓𝟓𝟓𝟓 ≠ 𝝈𝝈 = 𝟐𝟐. 𝟐𝟐𝟐𝟐 → 𝝈𝝈𝑿𝑿� =
𝒏𝒏
POSIBLES MUESTRAS SIN REPOSICIÓN DISTRIBUCIÓN MUESTRAL DE LA MEDIA
Muestra Elementos Media
Media 𝒇𝒇𝒊𝒊 Probabilidad
1 (18,20) 19
19 1 0.1667
2 (18,22) 20
20 1 0.1667
3 (18,24) 21
21 2 0.3332
4 (20,22) 21
22 1 0.1667
5 (20,24) 22
23 1 0.1667
6 (22,24) 23
Total 6 1.0000

CÁLCULO DE LOS PARÁMETROS DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA

� 𝒊𝒊
∑ 𝑿𝑿 𝟏𝟏𝟏𝟏 + ⋯ + 𝟐𝟐𝟐𝟐
𝝁𝝁𝑿𝑿� = 𝝁𝝁𝑿𝑿� = = 𝟐𝟐𝟐𝟐
𝑪𝑪𝑵𝑵
𝒏𝒏 𝟔𝟔
𝟐𝟐
� 𝒊𝒊 − 𝝁𝝁𝑿𝑿� ) 𝟐𝟐 𝟏𝟏𝟗𝟗 − 𝟐𝟐𝟐𝟐 + ⋯ + (𝟐𝟐𝟐𝟐 − 𝟐𝟐𝟐𝟐)𝟐𝟐
𝟐𝟐 ∑(𝑿𝑿 𝝈𝝈𝟐𝟐𝑿𝑿� = = 1.67
𝝈𝝈𝑿𝑿� = 𝟔𝟔
𝑪𝑪𝑵𝑵
𝒏𝒏
𝝈𝝈𝑿𝑿� = 𝝈𝝈𝟐𝟐𝑿𝑿� = 𝟏𝟏. 𝟔𝟔𝟔𝟔 = 𝟏𝟏. 𝟐𝟐𝟐𝟐
 RELACIÓN ENTRE LOS PARÁMETROS
𝝁𝝁𝑿𝑿� = 𝟐𝟐𝟐𝟐 = 𝝁𝝁 = 𝟐𝟐𝟐𝟐 → 𝝁𝝁𝑿𝑿� = 𝝁𝝁

𝝈𝝈𝟐𝟐 𝑵𝑵 − 𝒏𝒏
𝝈𝝈𝟐𝟐𝑿𝑿� = 𝟏𝟏. 𝟔𝟔𝟔𝟔 ≠ 𝝈𝝈𝟐𝟐 = 𝟓𝟓 → 𝝈𝝈𝟐𝟐𝑿𝑿� =
𝒏𝒏 𝑵𝑵 − 𝟏𝟏

𝝈𝝈 𝑵𝑵 − 𝒏𝒏
𝝈𝝈𝑿𝑿� = 𝟏𝟏. 𝟐𝟐𝟐𝟐 ≠ 𝝈𝝈 = 𝟐𝟐. 𝟐𝟐𝟐𝟐 → 𝝈𝝈𝑿𝑿� =
𝒏𝒏 𝑵𝑵 − 𝟏𝟏
La distribución muestral sirve de nexo entre la estadística descriptiva y la
inferencia estadística.
La distribución de probabilidades de las distribuciones muestrales tienen
dos propósitos:
1.-Determinar las probabilidades relacionadas a las estadísticas muestrales.
2.-Proporcionar la base teórica que sustentan la inferencia estadística.

La aplicación más sencilla de la distribución muestral de una media, es

calcular la probabilidad de obtener una muestra con una determinada
media especificada.

Para este efecto, se debe considerar que la media muestral se comporta

como una variable aleatoria, cuya media es 𝝁𝝁𝑿𝑿� y su desviación estándar es
𝝈𝝈
igual 𝝈𝝈𝑿𝑿� = 𝒏𝒏
Para poder aplicar la distribución normal se debe realizar las siguientes
modificaciones:

𝑋𝑋� − 𝜇𝜇𝑋𝑋� 𝑋𝑋� − 𝜇𝜇

𝑋𝑋 − 𝜇𝜇 𝑍𝑍 = 𝜎𝜎
𝑍𝑍 = 𝑍𝑍 =
𝜎𝜎 𝜎𝜎𝑋𝑋�
𝑛𝑛
TEOREMA DEL LÍMITE CENTRAL
La media de la distribución muestral de medias (𝜇𝜇𝑋𝑋� ) es idéntica a la media de
la población (µ).
𝜎𝜎
La desviación estándar de la distribución muestral de medias es igual a se
𝑛𝑛
conoce como error estándar.
Si el tamaño de la muestra es suficientemente grande, la distribución
muestral es similar a la normal.
 PROPIEDADES DEL TEOREMA DEL LÍMITE CENTRAL
La esperanza de la distribución muestral de la media muestral es igual a la
media de la población a medida que el tamaño de la muestra tiende al
infinito.

La varianza de la distribución muestral de la media es menor que la varianza

de la población (cuando n > 1).

La forma de la distribución muestral tiende a ser acampanada y

aproximadamente normal a medida que se incrementa el tamaño muestral,
independientemente de la forma de la distribución en la población.

La forma de la distribución muestral crece en altura y decrece en dispersión a

medida que el tamaño muestral crece.
Ejemplo
En una población de estudiantes se sabe que el peso sigue una distribución
normal con media de 70 kilos y desviación estándar de 10 kilos. Si se toman
900 muestras de 25 estudiantes cada una, ¿en cuántas de estas muestras se
espera que el peso medio sea mayor a 75 kilos?.
Solución
Datos: 𝑋𝑋 → 𝑁𝑁(70; 10) 𝑛𝑛 = 25 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 900 � > 𝟕𝟕𝟕𝟕
𝑿𝑿
𝟕𝟕𝟕𝟕 − 𝟕𝟕𝟕𝟕
𝑋𝑋� − 𝜇𝜇 𝒁𝒁 = = 𝟐𝟐. 𝟓𝟓𝟓𝟓 𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩 𝒆𝒆𝒆𝒆 𝒍𝒍𝒍𝒍 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 = 𝟎𝟎. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒
𝑍𝑍 = 𝜎𝜎 𝟏𝟏𝟏𝟏
𝟐𝟐𝟐𝟐
𝑛𝑛
Área requerida = 0.5000 – 0.4938 = 0.0062
Número de muestras = 0.0062 x 900 = 6 muestras.
 DISTRIBUCIÓN MUESTRALDE UNA PROPORCIÓN
Vamos a suponer que se tiene una población de artículos en un determinado
almacén, donde la probabilidad de un suceso determinado llamado “éxito”
(bueno) es P, mientras que la probabilidad del “fracaso” (defectuoso) es Q (1 – P).

Si de esta población se toman todas las muestras posibles de un mismo

tamaño n, se podrán determinar para cada una de ellas la proporción de
“éxitos” (buenos) p.
De este proceso se obtendrá una distribución de una proporción muestral
con:

𝑃𝑃𝑃𝑃
𝜇𝜇𝑝𝑝 = 𝑃𝑃 y 𝜎𝜎𝑝𝑝 = 𝑛𝑛
Por medio del teorema del límite central, se establece que cuando el tamaño
de la muestra es igual o mayor de30; la distribución de una proporción
muestral tiene una distribución aproximadamente normal, donde:

𝑝𝑝 − 𝑃𝑃 siendo:
𝑍𝑍 = p : proporción en la muestra.
𝑃𝑃𝑃𝑃 P : proporción en la población.
𝑛𝑛
Q: complemento de P = (1 – P).
n : tamaño de la muestra.
Ejemplo
Se cree que en una ciudad, el 20% de las familias tienen un carro. Una
muestra aleatoria de 125 familias encontró que 22 de ellas tenían un carro.
Si el valor del 20% es correcto, ¿cuál es la probabilidad de obtener una
proporción igual o mayor de familias con carros, que el de la muestra
citada?.
Ejemplo
Se cree que en una ciudad, el 20% de las familias tienen un carro. Una
muestra aleatoria de 125 familias encontró que 22 de ellas tenían un carro. Si
el valor del 20% es correcto, ¿cuál es la probabilidad de obtener una
proporción igual o mayor de familias con carros, que el de la muestra citada?.
Solución
P = 0.20 x ≥ 22 n = 125
Como es una variable discreta hay que corregir. Corrigiendo = 21.5
En proporción: 21.5 / 125 = 0.172
𝑝𝑝 − 𝑃𝑃 0.172 − 0.20
𝑍𝑍 = 𝑍𝑍 = = −0.7826 → 0.2823
𝑃𝑃𝑃𝑃 0.20 ∗ 0.80
𝑛𝑛 125

Área requerida: 0.5000 + 0.2823 = 0.7823

 DISTRIBUCIÓN MUESTRAL DE DIFERENCIA DE MEDIAS

𝑿𝑿 � 𝑩𝑩 − (𝝁𝝁𝑿𝑿� − 𝝁𝝁𝑿𝑿� )
� 𝑨𝑨 − 𝑿𝑿 donde:
𝑨𝑨 𝑩𝑩
𝒁𝒁 = � 𝒊𝒊 : media muestral.
𝑿𝑿
𝝈𝝈𝑿𝑿� 𝑨𝑨 −𝑿𝑿� 𝑩𝑩
𝝁𝝁𝑿𝑿� 𝒊𝒊 : media poblacional.
𝝈𝝈𝟐𝟐𝒊𝒊 : varianza poblacional.
𝝈𝝈𝟐𝟐𝑨𝑨 𝝈𝝈𝟐𝟐𝑩𝑩 𝒏𝒏𝒊𝒊 : tamaño de la muestra.
𝝈𝝈𝑿𝑿� 𝑨𝑨 −𝑿𝑿� 𝑩𝑩 = +
𝒏𝒏𝑨𝑨 𝒏𝒏𝑩𝑩

Ejemplo
La media de pesos de carne de cerdos criollos de diez meses de edad es de
55 kilos, con desviación estándar de cinco kilos. ¿Cuál es la probabilidad de
que en dos grupos de cerdos de 30 y 35 animales respectivamente,
la diferencia de sus pesos medios sea más de cuatro kilos?.
Ejemplo
La media de pesos de carne de cerdos criollos de diez meses de edad es de 55
kilos, con desviación estándar de cinco kilos. ¿Cuál es la probabilidad de que
en dos grupos de cerdos de 30 y 35 animales respectivamente, la diferencia
de sus pesos medios sea más de cuatro kilos?.
Solución | � – �
µ = 55 σ=5 𝒏𝒏 = 𝟑𝟑𝟑𝟑 𝒏𝒏 = 𝟑𝟑𝟑𝟑
𝑨𝑨
𝑿𝑿 𝑨𝑨 𝑿𝑿 𝑩𝑩 | > 4
𝑩𝑩
� 𝑨𝑨 − 𝑿𝑿
𝑿𝑿 � 𝑩𝑩 − (𝝁𝝁𝑿𝑿� − 𝝁𝝁𝑿𝑿� ) 𝝈𝝈𝟐𝟐𝑨𝑨 𝝈𝝈𝟐𝟐𝑩𝑩 𝟓𝟓𝟐𝟐 𝟓𝟓𝟐𝟐
𝒁𝒁 = 𝑨𝑨 𝑩𝑩 𝝈𝝈𝑿𝑿� 𝑨𝑨−𝑿𝑿� 𝑩𝑩 = + 𝝈𝝈𝑿𝑿� 𝑨𝑨 −𝑿𝑿� 𝑩𝑩 = + = 𝟏𝟏. 𝟐𝟐𝟐𝟐𝟐𝟐
𝝈𝝈𝑿𝑿� 𝑨𝑨−𝑿𝑿� 𝑩𝑩 𝒏𝒏𝑨𝑨 𝒏𝒏𝑩𝑩 𝟑𝟑𝟑𝟑 𝟑𝟑𝟑𝟑

𝟒𝟒 − (𝟓𝟓𝟓𝟓 − 𝟓𝟓𝟓𝟓)
𝒁𝒁𝟏𝟏 = = 𝟑𝟑. 𝟐𝟐𝟐𝟐 → 𝑫𝑫𝑫𝑫 𝒍𝒍𝒍𝒍 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 = 𝟎𝟎. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒
𝟏𝟏. 𝟐𝟐𝟐𝟐𝟐𝟐
−𝟒𝟒 − (𝟓𝟓𝟓𝟓 − 𝟓𝟓𝟓𝟓)
𝒁𝒁𝟐𝟐 = = −𝟑𝟑. 𝟐𝟐𝟐𝟐 → 𝑫𝑫𝑫𝑫 𝒍𝒍𝒍𝒍 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 = 𝟎𝟎. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒
𝟏𝟏. 𝟐𝟐𝟐𝟐𝟐𝟐

Área requerida: 1 – (0.4994 + 0.4994) = 0.0012

 DISTRIBUCIÓN MUESTRAL DE DIFERENCIA DE PROPORCIONES

𝒑𝒑𝑨𝑨 − 𝒑𝒑𝑩𝑩 − (𝑷𝑷𝑨𝑨 − 𝑷𝑷𝑩𝑩 ) donde:

𝒁𝒁 =
𝝈𝝈𝒑𝒑𝑨𝑨 −𝒑𝒑𝑩𝑩 𝒑𝒑𝒊𝒊 : proporción muestral.
𝑷𝑷𝒊𝒊 : proporción poblacional.
𝑷𝑷𝑨𝑨 𝑸𝑸𝑨𝑨 𝑷𝑷𝑩𝑩 𝑸𝑸𝑩𝑩 𝑸𝑸𝒊𝒊 : complemento de P.
𝝈𝝈𝒑𝒑𝑨𝑨 −𝒑𝒑𝑩𝑩 = + 𝒏𝒏𝒊𝒊 : tamaño de la muestra.
𝒏𝒏𝑨𝑨 𝒏𝒏𝑩𝑩
Ejemplo
Un estudio realizado en la UPAO indica que anualmente el 20% de sus
egresados obtiene su título profesional un año después de egresado. Suponga
que lo mismo sucede en la UNT. Si se toma una muestra de 320 egresados de
cada una de las universidades indicadas, ¿cuál es la probabilidad de que en
esas muestras el porcentaje de egresados que obtiene su título un año
después de egresado de la UPAO sea de por lo menos 5% superior al de la
otra Universidad?.
Ejemplo
Un estudio realizado en la UPAO indica que anualmente el 20% de sus
egresados obtiene su título profesional un año después de egresado.
Suponga que lo mismo sucede en la UNT. Si se toma una muestra de 320
egresados de cada una de las universidades indicadas, ¿cuál es la
probabilidad de que en esas muestras el porcentaje de egresados que
obtiene su título un año después de egresado de la UPAO sea de por lo
menos 5% superior al de la otra Universidad?.
Solución 𝑷𝑷 = 𝟎𝟎. 𝟐𝟐𝟐𝟐
𝒏𝒏𝑨𝑨 = 𝟑𝟑𝟑𝟑𝟑𝟑 𝒏𝒏𝑩𝑩 = 𝟑𝟑𝟑𝟑𝟑𝟑 (𝑷𝑷𝑨𝑨 − 𝑷𝑷𝑩𝑩 ) ≥ 𝟎𝟎. 𝟎𝟎𝟎𝟎
𝒑𝒑𝑨𝑨 − 𝒑𝒑𝑩𝑩 − (𝑷𝑷𝑨𝑨 − 𝑷𝑷𝑩𝑩 )
𝒁𝒁 = 𝑷𝑷𝑨𝑨 𝑸𝑸𝑨𝑨 𝑷𝑷𝑩𝑩 𝑸𝑸𝑩𝑩 𝟎𝟎. 𝟐𝟐𝟐𝟐 ∗ 𝟎𝟎. 𝟖𝟖𝟖𝟖 𝟎𝟎. 𝟐𝟐𝟐𝟐 ∗ 𝟎𝟎. 𝟖𝟖𝟖𝟖
𝝈𝝈𝒑𝒑𝑨𝑨 −𝒑𝒑𝑩𝑩 𝝈𝝈𝒑𝒑𝑨𝑨 −𝒑𝒑𝑩𝑩 = + 𝝈𝝈𝒑𝒑𝑨𝑨 −𝒑𝒑𝑩𝑩 = + = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
𝒏𝒏𝑨𝑨 𝒏𝒏𝑩𝑩 𝟑𝟑𝟑𝟑𝟑𝟑 𝟑𝟑𝟑𝟑𝟑𝟑
𝟎𝟎. 𝟎𝟎𝟎𝟎 − (𝟎𝟎. 𝟐𝟐𝟐𝟐 − 𝟎𝟎. 𝟐𝟐𝟐𝟐)
𝒁𝒁 = = 𝟏𝟏. 𝟓𝟓𝟓𝟓 𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩 𝒆𝒆𝒆𝒆 𝒍𝒍𝒍𝒍 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝟎𝟎. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒
𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎

Área requerida: 0.5 – 0.4429 = 0.0571

 DISTRIBUCIÓN MUESTRAL DE LA VARIANZA
Si se extrae una muestra aleatoria de tamaño n de una población normal con
media µ y varianza σ2, y se calcula la varianza muestral, se obtiene el valor
del estadístico s2 que se utilizará para conocer la σ2, mediante una variable
aleatoria chi cuadrada con “n-1” grados de libertad. Formalizando con el
siguiente teorema: si s2es la varianza de una muestra aleatoria de tamaño “n”
que se toma de una población normal que tiene varianzaσ2, entonces el
estadístico:
Tiene una distribución chi cuadrado con v=n -1, grados de
libertad.
 Ejemplo
Un fabricante de baterías garantiza que su producto dura en promedio 2,5 años con una
desviación estándar de 0,8 años. Si se toma una muestra aleatoria de 8 baterías y resultó
� = 𝟐𝟐. 𝟖𝟖 y S=1.2, ¿tiene razón el fabricante respecto a la desviación estándar
que 𝑿𝑿
poblacional?
Solución (8 − 1)1.22
𝑋𝑋 2 = 2
= 15.75
Calculamos el estadístico 0.8
Si se asume un 95% de probabilidad central, es decir, a la izquierda 0,025 y a la derecha
0,975, para la afirmación del fabricante, hay que remitirse a la distribución chi cuadrado
con v=8-1 = 7 grados de libertad. Los valores críticos serán:

Este será el valor crítico (1,690) a la izquierda y a la derecha (16,013)

Como el estadígrafo está dentro de estos valores, se puede afirmar con un
95% de confianza que el fabricante tiene la razón en su afirmación respecto a
la varianza.
 Distribución del cociente de varianzas muestrales
El estadístico F, definido como:
𝑆𝑆𝑋𝑋2
𝜎𝜎𝑋𝑋2 𝑆𝑆𝑋𝑋2 ∗ 𝜎𝜎𝑌𝑌2
𝐹𝐹 = 2 = 2
𝑆𝑆𝑌𝑌 𝑆𝑆𝑌𝑌 ∗ 𝜎𝜎𝑋𝑋2
𝜎𝜎𝑌𝑌2
tiene una distribución F de Snedecor con 𝒏𝒏𝒙𝒙 − 𝟏𝟏, 𝒏𝒏𝒀𝒀 − 𝟏𝟏 , grados de libertad

𝑺𝑺𝟐𝟐𝑿𝑿 ∗𝝈𝝈𝟐𝟐𝒀𝒀
F= → 𝑭𝑭𝒏𝒏𝑿𝑿−𝟏𝟏,𝒏𝒏𝒀𝒀 −𝟏𝟏
𝑺𝑺𝟐𝟐𝒀𝒀 ∗ 𝝈𝝈𝟐𝟐𝑿𝑿
 Ejemplo
Se está comparando la variabilidad de los I.B-D(Índice Biológico de Diatomeas)
de dos ríos A y B, que suponemos siguen distribuciones Normales. Se realizan
16 mediciones en el río A y se obtiene una varianza de 9.52, y 18 mediciones
en el río B y se obtiene una varianza de 7. Obtener la probabilidad de que la
varianza en el río B sea como mínimo el doble de la varianza en el río A.
Solución
𝑿𝑿: “I.B-D en el río A” Sigue un N(𝝁𝝁𝑿𝑿 ; 𝝈𝝈𝑿𝑿 ) Y: “I.B-D en el río B” Sigue un N(𝝁𝝁𝒀𝒀 ; 𝝈𝝈𝒀𝒀 )
𝑺𝑺𝟐𝟐𝑿𝑿 ∗𝝈𝝈𝟐𝟐𝒀𝒀 𝜎𝜎𝑌𝑌2 𝑺𝑺𝟐𝟐𝑿𝑿 ∗𝝈𝝈𝟐𝟐𝒀𝒀 2
𝑆𝑆𝑋𝑋
F= → 𝑭𝑭𝒏𝒏𝑿𝑿−𝟏𝟏,𝒏𝒏𝒀𝒀 −𝟏𝟏 𝑃𝑃 𝜎𝜎𝑌𝑌2 ≥ 2𝜎𝜎𝑋𝑋2 = 𝑃𝑃 ≥ 2 = 𝑃𝑃 ≥ 2 𝑆𝑆 2
𝑺𝑺𝟐𝟐𝒀𝒀 ∗ 𝝈𝝈𝟐𝟐𝑿𝑿 2
𝜎𝜎𝑋𝑋 𝑺𝑺𝟐𝟐𝒀𝒀 ∗ 𝝈𝝈𝟐𝟐𝑿𝑿 𝑌𝑌

𝟗𝟗.𝟓𝟓𝟓𝟓
𝑷𝑷 𝑭𝑭𝟏𝟏𝟏𝟏,𝟏𝟏𝟏𝟏 ≥ 𝟐𝟐 𝟕𝟕 = 𝑷𝑷 𝑭𝑭𝟏𝟏𝟏𝟏,𝟏𝟏𝟏𝟏 ≥ 𝟐𝟐. 𝟕𝟕𝟕𝟕 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎
Distribución muestral
MEDIA CUANDO
VARIANZA ES CONOCIDA

� − 𝝁𝝁
MEDIA CUANDO 𝑿𝑿
≈ 𝑵𝑵(𝟎𝟎, 𝟏𝟏)
𝑺𝑺
VARIANZA ES DESCONOCIDA 𝒏𝒏
� − 𝝁𝝁
𝑿𝑿
≈ 𝒕𝒕𝒏𝒏−𝟏𝟏
𝑺𝑺
𝒏𝒏
VARIANZA 𝑆𝑆̂𝑋𝑋2 𝜎𝜎𝑌𝑌2
A) µ x y µ y son conocidas ̂
∗ ≈ 𝑭𝑭𝒏𝒏𝒙𝒙 ,𝒏𝒏𝒀𝒀
… 2 𝜎𝜎 2̂
𝑆𝑆𝑌𝑌 𝑋𝑋
𝑆𝑆̂𝑋𝑋2 𝜎𝜎𝑌𝑌2
B) µ x y µ y son desconocidas ∗ ≈ 𝑭𝑭𝒏𝒏𝒙𝒙−𝟏𝟏 ,𝒏𝒏𝒀𝒀−𝟏𝟏
̂ 2 𝜎𝜎 2̂
𝑆𝑆𝑌𝑌 𝑋𝑋
x  pq  ρ
ˆ −ρ
proporción

p → ≈ N  p,  pq
≈ N ( 0, 1)
n  n  n
El éxito es caer nueve veces y levantarse diez
(Bon Jovi)