CIENCIAS ECONÓMICAS

ESTADÍSTICA 2
GUÍA 4

DISTRIBUCIÓN DE MEDIAS MUESTRALES

DISTRIBUCIÓN DE MUESTRAS

La distribución de muestras de un estadístico (En este caso la media) es la presentación

tabular o gráfica de las probabilidades de todos los valores de algún estadístico, calculados
en muestras del mismo tamaño, extraídas aleatoriamente de la misma población. El
estadístico más importante es la media por lo que se estudiará en detalle la distribución de
medias de muestras, el análisis de cualquier otro estadístico sigue el mismo procedimiento.

DISTRIBUCIÓN DE MEDIAS DE MUESTRAS

Se considera una población finita y pequeña, esto permitirá considerar todas las muestras
posibles de algún tamaño específico y utilizar los resultados como base para manejar el caso
donde solo se dispondrá de una o algunas muestras.

Método teórico para una población de tamaño N (finita y pequeña):

1. Se elige el tamaño de la muestra n, 2 ≤n ≤ N .
2. Se establecen todas las muestras de tamaño n y se calculan sus medias x́ y sus probabilidades
teóricas correspondientes.
3. Se tabulan y grafican los valores del estadístico x́ versus sus probabilidades correspondientes.

EJEMPLO
Una distribuidora de autos tiene 5 vendedores; a continuación, se presentan los vendedores
y el número de autos vendidos el mes anterior.

VENDEDO AUTOS VENDIDOS

R
PEDRO 2
FERNANDO 3
ANTONIO 6
CÉSAR 8
ROGELIO 9
N: 5
Probabilidad de cada vendedor de ser extraído, p =

PARÁMETROS
µ=
σ2 =
σ=

MUESTREO CON RESTITUCIÓN (O REEMPLAZAMIENTO)

n=2
En una urna se colocan balotas con el nombre de cada vendedor
Muestra: extraer aleatoriamente una de las balotas de la urna, escribir su valor y devolverla a
la urna.

Número total de muestras = Nn = 52 = 25

Represente las muestras con sus respectivas medias:

2 3 6 8 9

Probabilidad teórica de cada una de las muestras =

Distribución de medias
Ordene los valores distintos de las medias y realice una tabla con sus probabilidades
correspondientes.

x́
P( x́ ¿
µx́ =

σ2 x́ =

σx́ =

Realice diagrama de puntos de probabilidad respectiva versus: población original, población

de muestras

POBLACIÓN

N= 5
µ= 5,60
σ2 = 7,44
σ= 2,73
p(V) = 1/5 20%

DISTRIBUCIÓN DE MUESTRAS

p(n) = 4%

  5,60
VARIANZA 3,72
DESV. 1,92
EST. 9
n= 2

ANÁLISIS DE LA DISTRIBUCIÓN DE MUESTRAS, n = 2. CON REEMPLAZAMIENTO

1. La media de la distribución y la media de la población: SON IGUALES.

µ¿ µ x́
2. La varianza de la distribución ES LA MITAD DE la varianza de la población.
2 σ2
s=
2

3. El valor mayor de la media de la distribución y el valor mayor la media de la población: SON

IGUALES.
4. El valor menor de la media de la distribución y el valor menor de la media de la población:
SON IGUALES.
5. El rango de la media de la distribución y el rango de la media de la población: SON IGUALES.
6. Comparación de la DESVIACIÓN ESTÁNDAR: distribución de probabilidad de la población
original – Distribución de medias de la muestra:
2 σ2
s=
2
√
2 σ2
√s =
√2
σ
s=
√2

2,73
s= =1,93
1,41

Realice el mismo ejercicio para n = 3.

MUESTREO SIN RESTITUCIÓN (O SIN REEMPLAZAMIENTO)

N: Tamaño de la población n: Tamaño de la muestra
Número total de muestras: N Cn
1
Probabilidad teórica de cada una de las muestras =
NCn

EJEMPLO
N=5 n=2

N
#n = N Cn = ( N −n ) !∗n !

5! 5! 5∗4∗3 ! 5∗4 20
#2 = 5 C2 = ( 5−2 ) !∗2! = 3 !∗2 ! = = = =10
3 !∗2! 2∗1 2

Una distribuidora de autos tiene 5 vendedores; a continuación, se presentan los vendedores

y el número de autos vendidos el mes anterior.

VENDEDO AUTOS VENDIDOS

R
PEDRO 2
FERNANDO 3
ANTONIO 6
CÉSAR 8
ROGELIO 9

N= 5 n= 2

Represente las muestras con sus respectivas medias:

n
x́

Probabilidad de cada vendedor de ser extraído, p =

Distribución de medias
Ordene los valores distintos de las medias y realice una tabla con sus probabilidades
correspondientes.
x́
P( x́ )
µ x́ =
σ2 x́ =
σ x́ =
Realice diagrama de puntos de probabilidad respectiva versus: población original, población
de muestras

ANÁLISIS DE LA DISTRIBUCIÓN DE MUESTRAS, n = 2. CON REEMPLAZAMIENTO

POBLACIÓN DISTRIBUCIÓN DE MEDIAS

N= 5 #n = 2

µ= 5,60 µ = 5,60

7,44
σ2 =
σ2 = 2,79

σ= 2,73 σ = 1,67

p(V) = 1/5 20% p(n) = 10%

1. La media de la distribución y la media de la población:

µ¿ µ x́
2. Comparación de la varianza de la distribución y varianza de la población.

Factor de corrección por población finita:

σ2 σ 2
7,44
∗N−n ∗5 −2
n 2 3,72∗3
x́= = = =3,72∗0,75=2,79
N−1 5−1 4
Si N es considerablemente mayor que n, N >> n, el factor de corrección es prácticamente 1 y
entonces:
σ2 σ 2
x́=
n

3. Comparación de la desviación estándar: distribución de probabilidad de la población original –

Distribución de medias de la muestra:
σ σ N −n 2,73 5−2 2,73
x́=
√n
∗
√ =
N −1 √2
∗
√ =
5−1 1,41
∗√ 0,75=1,68

Por lo tanto, en el caso de poblaciones muy grandes o infinitas se tiene que:

σ2 σ σ σ
x́=
2
x́=
n √n

4. El valor mayor de la media de la distribución y el valor mayor de la población:

5. El valor menor de la media de la distribución y el valor menor de la población:

6. El rango de la media de la distribución y el rango de la población:

Realice el mismo ejercicio para n=3.

TEOREMA DEL LÍMITE CENTRAL

“La distribución muestral de medias muestrales se vuelve normal a medida que

aumenta el tamaño de la muestra”

ERROR ESTÁNDAR DE LA MEDIA

σ x́

Es la desviación estándar de la distribución muestral de medias muestrales.

EJEMPLOS
σ
µ¿ µ x́ s=
√n

1. Una población tiene una media de 500 y una desviación estándar de 30. Se extraen
aleatoriamente muchas muestras de tamaño 36 y se les calcula la media.
Población:

µ¿500
σ = 30
Muestra: n = 36
µ x́ = media
s = desviación estándar, error estándar

a. ¿Qué valor se espera encontrar para la media de todas estas medias muestrales?
µ ¿ µ x́ = 500

b. ¿Qué valor se espera encontrar para la desviación estándar de estas medias

muestrales?
σ 30 30
s= = = =5
√ n √ 36 6
c. ¿Qué forma se espera que tenga la distribución de estas medias muestrales?
Forma de distribución normal.

2. La cantidad promedio gastada en un mes por concepto de llamadas es de $31.650, con

una desviación estándar de $12.250, se elige una muestra de 150 clientes, la media de
esta muestra pertenece a una distribución muestral.

µ¿31 650
σ = 12 250

Muestra: n = 150
µ x́ = media
s = desviación estándar, error estándar

a. ¿Cuál es la forma de la distribución?

Forma de distribución normal.

b. ¿Cuál es la media de esta distribución muestral?

µ ¿ µ x́ = $31 650

c. ¿Cuál es la desviación estándar de esta distribución muestral?

σ 12250 12 250
s= = = =1 000
√ n √150 12,25

APLICACIÓN DEL TEOREMA DEL LÍMITE CENTRAL

Cuando la distribución muestral de medias muestrales está distribuida normalmente, o es
aproximadamente normal, es posible responder preguntas de probabilidad con ayuda de la
distribución normal estándar.

EJEMPLOS

1. Considere una población normal con media 100 y desviación estándar 20. Si
aleatoriamente se elige una muestra de tamaño 16, ¿cuál es la probabilidad de que el
valor de la media de la muestra esté entre 90 y 110?

POBLACIÓN:
µ = 100
σ = 20
MUESTRA:
n = 16
µ x́ = 100
σ
s = √ n =¿20/4 = 5
P(90 ≤ x ≤ 110) = 0,9545 = 95,45%

2. Los niños de preescolar tienen estaturas que se distribuyen, aproximadamente de manera

normal alrededor de una media de 39 pulgadas y una desviación estándar de 2. Se toma
una muestra aleatoria de tamaño 25 y se calcula la media. ¿Cuál es la probabilidad de
que este valor medio se encuentre entre 38,5 y 40 pulgadas?

POBLACIÓN:
µ = 39
σ =2
MUESTRA:
n = 25
µ x́ = 39
σ
σ = √ n =¿2/5 = 0,4
P(38,5 ≤ x ≤ 40) = 0,8881 = 88,81%