DISTRIBUCIONES MUESTRALES

BIOESTADISTICA
Semana 14

UNIVERSIDAD DE EL SALVADOR
Lic. Cristian Josué Rodrı́guez Durán

Noviembre 2022
CONTENIDOS

6.1 DISTRIBUCION MUESTRAL DE MEDIAS

6.1.1 Preliminares
6.1.2 Distribución muestral de medias muestrales

6.2 TEOREMA CENTRAL DEL LIMITE

EJERCICIOS DE REPASO

REFERENCIAS
6.1.1 Preliminares

Sea x la media muestral que se obtiene a partir de una muestra

de una población con media µ. ¿Se esperará que este valor, x, sea
exactamente igual al valor de la media poblacional, µ? La respuesta
debe ser no, lo cual se justificará:

Definición 1: Distribución muestral de un estadı́stico

muestral
Distribución de valores para un estadı́stico muestral obtenido
a partir de muestras repetidas, todas del mismo tamaño y
extraı́das de la misma población.

Denotamos por µx y σx a la media y desviación estándar de la dis-

tribución de medias muestrales, obtenidas de una misma población.
Ejemplo 1. Considerar como población el conjunto de enteros pares
de un dı́gito {0, 2, 4, 6, 8}. Escribir todas las posibles muestras de
tamaño 2. Observar la distribución muestral de medias muestrales y
calcular el valor de µx y σx .

Solución: Primero ya que tenemos 5 elementos en la población de

la cual obtendremos muestras de tamaño 2, ası́ existirán 25 posibles
muestras, las cuales son:
{0, 0} {2, 0} {4, 0} {6, 0} {8, 0}
{0, 2} {2, 2} {4, 2} {6, 2} {8, 2}
{0, 4} {2, 4} {4, 4} {6, 4} {8, 4}
{0, 6} {2, 6} {4, 6} {6, 6} {8, 6}
{0, 8} {2, 8} {4, 8} {6, 8} {8, 8}
Cada una de dichas muestras tiene una media x. Dichas muestras
son, respectivamente como se muestra abajo.
0 1 2 3 4
1 2 3 4 5
2 3 4 5 6
3 4 5 6 7
4 5 6 7 8

Cada una de dichas muestas es igualmente probable y por tanto a

cada una de las 25 medias muestrales puede asignarse una proba-
1
bilidad de 25 = 0,04. Por lo que la siguiente tabla representa la
distribución muestral de medias muestrales:
x 0 1 2 3 4 5 6 7 8
f (x) 0.04 0.08 0.12 0.16 0.20 0.16 0.12 0.08 0.04
Calculando el valor de µx y σx .
X
µx = E (x) = xf (x)
todo x
= 0 × 0,04 + 1 × 0,08 + 2 × 0,12 + 3 × 0,16 + 4 × 0,20
+ 5 × 0,16 + 6 × 0,12 + 7 × 0,08 + 8 × 0,04
=4
X X
σx2 = (x − µx )2 f (x) = (x − 4)2 f (x)
todo x todo x
= (−4) · 0,04 + (−3) · 0,08 + (−2)2 · 0,12 + (−1)2 · 0,16
2 2

+ (0)2 · 0,20 + (1)2 · 0,16 + (2)2 · 0,12 + (3)2 · 0,08 + (4)2 · 0,04
=4
Por lo tanto: µx = 4 y σx = 2
6.1.2 Distribución muestral de medias muestrales

Teorema 1: Caracterı́sticas de la distribución muestral

de medias muestrales.
Si todas las posibles muestras aleatorias, cada una de tamaño
n, se toman de cualquier población con media µ y desviación
estándar σ, entonces la distribución muestral de las medias
muestrales tendrá lo siguiente:
1. Una media µx = µ.
σ
2. Una desviación estándar σx = √ .
n

Teorema 2: Distribución muestral de medias muestrales.

Si la población muestreada tiene una distribución normal,
entonces la distribución muestral de x también será normal
para muestras de todos los tamaños.
Se comprobará el teorema 1, para el ejemplo 1 se tiene que µx = 4
y σx = 2, se comprobará el teorema 1: Se tiene que n = 2 (tamaño
de las muestras). La población son los números pares de un dı́gito
{0, 2, 4, 6, 8}, es decir N = 5 (tamaño de la población), ası́:

0+2+4+6+8 20
µ= = =⇒ µ = 4
5 5
s s
1 X 1 X
σ= (x − µ)2 = (x − 4)2
N 5
todo x todo x

√
r r
1 40
=⇒ σ = ((−4)2 + (−2)2 + 02 + 22 + 42 ) = =⇒ σ = 8
5 5
Ası́: µx = 4 = µ
√
σ 8
Además, √ = √ = 2 = σx .
n 2
Ejemplo 2: Sea X los gramos de hidrocarburos emitidos por un au-
tomóvil por cada milla recorrida. Supongamos que X es una variable
distribuida normalmente y que tiene una media de 1 g y una des-
viación tı́pica de 0.25 g. Se desea comprender la cantidad promedio
de la variable X , por lo que se toman muestras de 4 automóviles
en diferentes puntos. ¿Que tan probable será encontrar un prome-
dio mayor de 1.1 g? y ¿que sucede si se cuadruplica la muestra?
Solución: En este caso para la variable X tenemos que µ = 1 y
σ = 0,25, ahora para la variable muestral x de medias muestrales
donde n = 4, tenemos a partir del Teorema 1 y 2 que x tiene una
σ 0,25
distribución normal con µx = µ = 1 y σx = √ = √ = 0,125.
n 4
En la primer pregunta se debe encontrar P[x > 1,1], lo cual se hace
tipificando x y haciendo uso de la tabla normal estándar, ası́:
   
x − µx 1,1 − µx 1,1 − 1
P[x > 1,1] = P > =P Z >
σx σx 0,125
= P[Z > 0,8] = 1 − P[z ≤ 0,8]
= 1 − 0,7881 = 0,2119.
En la segunda pregunta también se debe encontrar P[x > 1,1] pero
para n = 16, en este caso el valor de la desviación estándar será:
0,25
σx = √ = 0,0625. Procediendo al proceso de tipificación y el uso
16
de la tabla normal estándar de la siguiente forma:
 
1,1 − 1
P[x > 1,1] = P z > = P[Z > 1,6]
0,0625
= 1 − P[Z ≤ 1,6] = 1 − 0,9452 = 0,0548.

Se observa que cuando el tamaño de la muestra con n = 4 se

cuadruplica a n = 16, la probabilidad de encontrar un promedio
mayor de 1.1 g, se reduce casi en una cuarta parte, ya que:
0,2119
= 3,87
0,0548
.
6.2 Teorema central del lı́mite
Primeramente se enunciará la siguiente definición:

Definición 2: Muestra aleatoria

Es la que se obtiene de tal forma que cada posible muestra
de tamaño fijo n tiene igual probabilidad de ser seleccionada.

El teorema central del lı́mite, formulado por primera vez al principio

del siglo XIX por Laplace y Gauss. Este teorema, conocido como
teorema central del lı́mite, se enuncia a continuación.

Teorema 3: Teorema central del lı́mite.

Sea x1 , x2 , ..., xn una muestra aleatoria de tamaño n, de una
distribución con media µ y varianza σ 2 . Entonces, para n
grande, x es aproximadamente normal con media µ y varianza
σ2 x −µ
Además, para n grande, la variable aleatoria es
n √σ
n
aproximadamente normal tipificada.
Ejemplo 3: Las estaturas de los infantes del jardı́n de niños tienen
una distribución con media de 39 pulgadas y una desviación estándar
de 1.5 pulgadas. Se toma una muestra aleatoria de tamaño 36. ¿Cuál
es la probabilidad de que x esté entre 38.5 y 39.5 pulgadas?

Solución: La variable X estatura en pulgadas de los infantes del

jardı́n de niños tiene una distribución tal que µ = 39 y σ = 1,5, la
cual no necesariamente posee una distribución normal.

En base al Teorema central del lı́mite, al tomar una muestra grande,

en este caso con n = 36, la variable x se aproxima normalmente con
σ 1,5
µx = µ = 39 y σx = √ = √ =⇒ σx = 0,25. Haciendo uso de
n 36
la tipificación y los valores en la tabla de la distribución normal se
dará respuesta a la duda encontrando P[38,5 ≤ x ≤ 39,5].
 
38,5 − 39 39,5 − 39
P[38,5 ≤ x ≤ 39,5] = P ≤Z ≤
0,25 0,25
= P[−2 ≤ Z ≤ 2] = P[Z ≤ 2] − P[Z ≤ −2]
= 0,9772 − 0,0228 = 0,9544.
Ejercicios de repaso

Ejercicio 1: Considera el conjunto de enteros impares de un solo

dı́gito {1, 3, 5, 7, 9}.
a) Elabora una lista de todas las muestras de tamaño 2 que
puedan extraerse de este conjunto de enteros. (Muestra con
reemplazo).
b) Construye la distribución muestral de medias muestrales para
muestras de tamaño 2 seleccionadas de este conjunto.
c) Calcular µx y σx .
d) Con el resultado en c) comprobar el Teorema 1.

Ejercicio 2: La oficina de estadı́sticas laborales ofrece información

de prestaciones y servicios para varias posiciones. A mayo de 2008,
el salario nacional promedio para una RN (enfermera registrada) fue
de 651 dólares. Supón que la desviación estándar es 100 dólares.
Si se selecciona una muestra aleatoria de 100 de tales enfermeras,
encontrar:
 a) La probabilidad de que la media de la muestra sea menor a
625.00 dólares.
b) La probabilidad de que la media muestral esté entre 645.5 y
675 dólares.
c) La probabilidad de que x sea menor o igual a la media de una
muestra aleatoria es del 95 %. Calcular el valor de la media de
la muestra aleatoria.
Ejercicio 3: La cantidad de llenado (peso de contenido) que se pone
en un frasco de vidrio de salsa de espagueti tiene distribución normal
con media µ = 850 gramos y desviación estándar σ = 8 gramos.
a) Describe la distribución de X , la cantidad de llenado por
frasco.
b) Encuentre la probabilidad de que un frasco seleccionado al
azar contenga entre 848 y 855 gramos
c) Describe la distribución de x, el peso medio para una muestra
de 25 de tales frascos de salsa.
d) Encuentra la probabilidad de que una muestra aleatoria de 25
frascos tenga un peso medio entre 848 y 855 gramos.
REFERENCIAS

1. Estadistica Elemental, 11va Edición-Robert Johnson-Patricia

Kubypág, pág 312-339.
2. Ejemplo de media de distribución muestral de medias, enlace:
https://youtu.be/6P2RliqiJ6Y
3. Ejemplo de aplicación del teorema de lı́mite central, enlace:
https://youtu.be/o2afi9BKRIM