Cada muestra de tamaño n que podemos extraer de una población proporciona una media.

Si
consideramos cada una de estas medias como valores de una variable aleatoria podemos estudiar
su distribución que llamaremos distribución muestral de medias.

 Si tenemos una población normal N(m,s) y extraemos de ella muestras de tamaño n, la

distribución muestral de medias sigue también una distribución normal.

σ
N (μ, )
√n
 Si la población no sigue una distribución normal pero n>30, aplicando el llamado Teorema
central del límite la distribución muestral de medias se aproxima también a la normal
anterior.

Si tomamos muestras de una población con distribución desconocida, ya sea finita o infinita, la
σ
distribución muestral de aún será aproximadamente normal con media μ y varianza siempre que
n
el tamaño de la muestra sea grande. Este resultado asombroso es una consecuencia inmediata del
siguiente teorema, que se conoce como teorema del límite central.

Teorema del límite central: Si es la media de una muestra aleatoria de tamaño n tomada de una
población con media μ y varianza fi nita σ2, entonces la forma límite de la distribución de
^
X−u
Z=
σ
√n

La aproximación normal para, por lo general, será buena si n ≥ 30. Si n < 30, la aproximación es
buena sólo si la población no es muy diferente de una distribución normal y, como se estableció
antes, si se sabe que la población es normal, la distribución muestral de seguirá una distribución
normal exacta, no importa qué tan pequeño sea el tamaño de las muestras

Ejemplo:

Una empresa de material eléctrico fabrica bombillas de luz que tienen una duración que se
distribuye aproximadamente en forma normal, con media de 800 horas y desviación estándar de
40 horas. Encuentre la probabilidad de que una muestra aleatoria de 16 bombillas tenga una vida
promedio de menos de 775 horas.
Solucion:

40
 La distribución muestral de ^
X será aproximadamente normal, con μ=800 y σ = =10
√16

 La probabilidad que se desea está dada por el área de la región sombreada de la figura.

775−800
z= =−2.5
10
Y, por lo tanto:

P(^
X <775 ) =P ( Z ←2.5 )=0.0062