Unidad de Aprendizaje Estadística Aplicada

DISTRIBUCIONES MUESTRALES

INTRODUCCIÓN

El objeto de efectuar un muestreo es obtener una idea de uno o más de los parámetros de una población, como la
media de la población , la desviación estándar , o la proporción p de elementos en una población que poseen
ciertas características en común.

Los estadísticos de la muestra que corresponden a estos parámetros de la población se emplean para aproximar los 1
valores desconocidos de dichos parámetros. De este modo, la media, la desviación estándar y la proporción de la
muestra son utilizadas para estimar la media, la desviación estándar y la proporción de la población.

Una de las realidades del muestreo aleatorio es que cuando de una misma población son tomadas muestras
diferentes, existe una tendencia a que los estadísticos muestrales varíen entre sí y con respecto al valor verdadero
del parámetro de la población, simplemente debido a los factores aleatorios relativos al muestreo.

Esta tendencia se conoce como variabilidad de muestreo. (por esta razón, se puede estar perfectamente seguro de
que un estadístico muestral no es igual al correspondiente valor paramétrico de la población). Por tanto, obviamente
cualquier intento de formular inferencias acerca de una población debe tomar en cuenta la variabilidad de muestreo.

PROCESO ESTADÍSTICO PARA USAR UNA MEDIA DE MUESTRA PARA HACER INFERENCIAS ACERCA DE
UNA MEDIA POBLACIONAL

Población Se selecciona, en la población

con media una muestra aleatoria simple
=? de n artículos.

Se usa el valor de x para El resumen de los datos

hacer inferencias acerca muestrales proporciona un
del valor de . valor de la media de
muestra x.

La interrogante que se plantea en el caso de cada muestra es la siguiente: ¿cuan próximo esta el valor estadístico
de la muestra al valor real del parámetro de la población?

La respuesta dependerá de tres factores:

• Un factor es el valor estadístico que se este considerando, se utilizan distribuciones probabilísticas diferentes
para describir la variabilidad de muestreo asociada a distintos valores estadísticos de la muestra.
• Otro factor es el tamaño de la misma. Existe menos variabilidad entre valores estadísticos de grandes
muestras que entre los valores estadísticos de muestras pequeñas.
• El tercer factor es la variabilidad que existe en la población que se muestrea. Las poblaciones que presentan
mucha variabilidad, producirán valores estadísticos muestrales con mayor variabilidad que las poblaciones
con poca variación entre valores de la población.

C M. en C. Jaime Galicia Betancourt Invierno 2020

Unidad de Aprendizaje Estadística Aplicada

DISTRIBUCIONES MUESTRALES

El concepto de la distribución muestral, es un caso particular de las distribuciones de probabilidad y uno de los
conceptos más importantes en la estadística inferencial.

En una población es posible extraer distintas muestras aleatorias; de hecho utilizando la fórmula de las combinaciones
NCn se obtiene el número exacto de las posibles muestras aleatorias que pueden extraerse de una misma población.
De ahí que cada muestra tiene una cierta probabilidad de ser recolectada en un proceso de muestreo.
2
Por otra parte, de las distintas muestras posibles se pueden obtener estadísticos; es decir medidas descriptivas que
utilizan la información contenida en cada una de las muestras posibles de la población.

Por esta razón, los estadísticos son considerados variables aleatorias, porque toman diferentes valores según la
muestra con la que se estimen, es decir, al ser los datos muestrales observaciones de variables aleatorias, los
estadísticos también lo son y, por lo tanto, su comportamiento puede ser descrito mediante su distribución de
probabilidad, similar a las expuestas en unidades anteriores.

Al considerar que el valor de los estadísticos varía de muestra en muestra, los estadísticos muestrales tienen una
distribución de probabilidad conocida como distribución muestral.

DISTRIBUCIÓN MUESTRAL DE LA MEDIA

La distribución muestral de la media se basa en el hecho de que al tener una población, es posible obtener varias
muestras y cada una de ellas tiene una media determinada para posteriormente encontrar la probabilidad de
ocurrencia de cada media. Al calcular un promedio de las medias de todas las muestras que fueron obtenidas de
una población, con ese dato se puede inferir el comportamiento que debe tener la media de la población.

Distribución muestral de la media es una distribución de probabilidad que señala la relación de todos los
posibles valores que adquiere la variable aleatoria “media muestral” con sus respectivas probabilidades.

Ejemplo 1

Una constructora requiere una grúa especial para elevar vigas de acero a gran altura; dicha grúa necesita para su
funcionamiento dos operadores, para ello es necesario mandarla construir especialmente. El fabricante solicita el
peso de los dos operadores ya que es necesario para el diseño de la cabina. En la constructora existen cinco
candidatos cuyos pesos son: 75, 81, 69, 62 y 85 kilos. Determinar:

a) La media y la desviación estándar poblacional

b) Elaborar la tabla de la Distribución muestral de las medias
c) Calcular la media de la distribución de medias muestrales

C M. en C. Jaime Galicia Betancourt Invierno 2020

Unidad de Aprendizaje Estadística Aplicada

Ejemplo 2

Una empresa industrial tiene 7 trabajadores de producción (considerados como la población), el salario por hora de
cada empleado se presenta en la siguiente tabla:

Trabajador Salario
3
Javier $7
Saúl 9
Susana 8
Bertha 8
Juan 7
Aura 8
Carlos 9
56

Determinar:

a) La media poblacional
b) Elaborar la tabla de la Distribución muestral de las medias, si se selecciona una muestra de tamaño 4.
c) Calcular la media de la distribución de medias muestrales

Ejemplo 3

Supóngase que en un taller mecánico existen 5 prensas con capacidad de 10, 12, 9, 11, y 10 toneladas. Y que se
necesitan seleccionar a 2 de ellas para un trabajo específico. Determinar

a) La media
b) Elaborar la tabla de la Distribución muestral de las medias
c) Calcular la media de la distribución de medias muestrales

TEOREMA DEL LIMITE CENTRAL

En el caso de una población con media µ y varianza 2 , la distribución muestral de las medias de todas las muestras
posibles de tamaño n generadas a partir de la población, tendrá una distribución aproximadamente normal
considerando que el tamaño de la muestra es bastante grande.

La aproximación a la normal de la distribución muestral de la media se cumple si n 30 sin importar cual sea la forma
de la población. Si n < 30, la aproximación es válida sólo si la población no difiere mucho de una distribución
normal, y, cuando la distribución de la población es normal, la distribución muestral de X seguirá exactamente una
distribución normal, sin importar qué tan pequeño sea el tamaño de las muestras.

No existe acuerdo general sobre lo que constituye un tamaño de muestra “suficientemente grande” algunos
estadígrafos consideran que es 30.

Al igual que en la distribución normal, en la distribución muestral de la media se pueden estandarizar los valores, para
lo cual habrá que sustituir en la fórmula estandarizada de la normal, la desviación estándar 
por el error estándar de la distribución muestral de la media x, quedando la fórmula de la siguiente manera

C M. en C. Jaime Galicia Betancourt Invierno 2020

Unidad de Aprendizaje Estadística Aplicada

x−
Z=

n
El teorema del limite central es de vital relevancia en problemas prácticos, ya que permite dar respuesta a una gran
variedad de fenómenos, mediante el uso de la curva normal; se aplica a poblaciones finitas e infinitas.
4
Cuando la población es finita y el tamaño de la muestra constituye más de 5% de la población, se debe usar el factor
N −n
finito de corrección para modificar la desviación estándar.
N −1

FÓRMULAS DISTRIBUCIÓN MUESTRAL

Con reposición Sin reposición

Media de la Distribución Muestral x = 

  N −n
Desviación Estándar x = x =
n n N −1

n n
(Sí < 5%) (Sí  5%)
N N
Población Infinita Población Finita

 −
Z Estandarizada para la Distribución  =

Muestral

C M. en C. Jaime Galicia Betancourt Invierno 2020

Unidad de Aprendizaje Estadística Aplicada

Ejemplo 1

Un auditor de un despacho contable toma una muestra de 40, de una población de 1100 cuentas por cobrar. El
promedio de las cuentas por cobrar de la población viene dado por  = 260, con una desviación estándar de la
población de  = 60, ¿cuál es la probabilidad de que la media muestral X sea menor a 240?

- 5
Ejemplo 2

En 1993 las mujeres tomaron un promedio de 8.5 semanas sin goce de sueldo en sus trabajos, después del
nacimiento de su bebé. Suponga que 8.5 semanas es la media de la población y que 2.2 semanas es la desviación
estándar.

a) ¿Cuál es la probabilidad de que una muestra aleatoria simple de 50 mujeres arroje una media de muestra
de permiso sin goce de sueldo entre 7.5 y 9.5 semanas?
b) ¿Cuál es la probabilidad de que esa muestra tenga una media de entre 8 y 9 semanas?

Ejemplo 3

Una máquina automática que llena latas de sopa tiene las siguientes características  = 15.9 onzas y  = 0.5
onzas. ¿Cuál es la probabilidad de una muestra de 40 latas la media sea mayor que 16 onzas.

C M. en C. Jaime Galicia Betancourt Invierno 2020