Universidad Autónoma de Campeche

Facultad de Contaduría y Administración

Licenciatura en Administración de PyMES

Docente: Alberto Eliceo Medina Minaya

Alumno: Gibrán Enrique Mass Yam

Estadística Inferencial

Actividad 1.2.1 Distribuciones muestrales

23 de septiembre de 2022
Una distribución de probabilidad de todas las medias posibles de las muestras es
una distribución de las medias de las muestras o también conocida como
distribución de las medias de las muestras. También se puede obtener la
distribución de muestreo de proporciones. Cualquier distribución de probabilidad
incluyendo la distribución de muestreo puede describirse parcialmente por su
media y su desviación estándar. El error estándar de la media se refiere a la
desviación estándar de la distribución de las medias de la muestra. El error
estándar de la proporción es una abreviatura de la desviación estándar de la
distribución de las proporciones de la muestra, y se utiliza para transmitir ciertos
significados. La desviación estándar de la distribución de las medias de las
muestras mide cuánto se espera que varíen las diferentes medias muestrales
debido a este error introducido en el procedimiento de muestreo. Por lo tanto, la
desviación estándar de la distribución de una muestra estadística se denomina
error estándar de la estadística. El error estándar indica no solo la magnitud del
error aleatorio que ocurrió, sino también la precisión que podría obtenerse al
estimar el parámetro poblacional usando estadísticas muestrales. Una distribución
de media muestral con varianza baja es una mejor estimación de la media
poblacional que una distribución de media muestral con varianza alta y error
estándar grande. El error estándar indica qué tan dispersa está la media de la
muestra de igual forma que la desviación estándar, aunque no son lo mismo.
En términos estadísticos, la distribución de muestreo que se obtiene al tomar
todas las muestras de un tamaño particular representa la distribución de muestreo
teórica. No es posible extraer todas las muestras posibles de una distribución de
población. Afortunadamente, se han ideado fórmulas para estimar las propiedades
de estas distribuciones de muestreo teóricas, eliminando así la necesidad de
recolectar un gran número de muestras. En la mayoría de los casos, quienes
toman las decisiones simplemente toman una muestra de la población y calculan
las estadísticas de esa muestra para derivar algo sobre los parámetros de toda la
población. En el muestreo de poblaciones normales se utilizan las siguientes
formulas: μ x =μ, se describe como la distribución de muestreo tiene una media
σ
igual a la media de la población; σ x = , se describe que la distribución de
√n
muestreo tiene un error estándar igual a la desviación estándar de la población
dividida entre la raíz cuadrada del tamaño de la muestra, donde σ significa la
desviación estándar de la población y n es el tamaño de la muestra; otra fórmula
x−μ x−μ
es z= que se estandariza y se transforma en z= donde x es la media de
σ σx
la muestra, μ es la media de la población y σ x es el error estándar de la media.
Se denomina teorema del límite central a la relación entre la forma de la
distribución de la población y la forma de la distribución de muestreo. El teorema
del límite central es quizás la más importante de todas las inferencias estadísticas
porque garantiza que la distribución muestral de la media se acerque a la
normalidad a medida que aumenta el tamaño de la muestra. Hay situaciones
teóricas en las que el teorema del límite central no se cumple, pero rara vez se
encuentran en la toma de decisiones prácticas. De hecho, no es necesario que la
muestra sea muy grande para que la distribución muestral de la media se acerque
a la normalidad. La importancia del teorema del límite central es que podemos
usar estadísticas muestrales para hacer inferencias sobre los parámetros de la
población sin saber más sobre la forma de la distribución de frecuencias de la
población de lo que se puede obtener de la muestra. La relación de del tamaño de
la muestra y el error estándar es que al disminuir el error estándar, el valor de
cualquier media de muestra probablemente se acercará al valor de la media de
población. El error estándar para la media de poblaciones finitas se puede
formular como:

σ
σ x= ×
√
N−n
√ n N−1
, donde N es el tamaño de la población y n el tamaño de la

muestra, mientras que el termino que compone la formula del lado derecho se

conoce como el multiplicador de población finita (

conclusiones de dicha población.

√ N −n
N −1
¿ y se utiliza para sacar

Bibliografía
Levin, Richard; Rubin, David. (2004). Estadística para administración y economía
(7°edición). México: Pearson Educación – Prentice Hall.