DISTRIBUCIONES MUESTRALES Y

TEOREMA DE LÍMITE CENTRAL

Docente: Veimar Daniel Rey Castillo
Estadística Inferencial
 DISTRIBUCIÓN MUESTRAL

Parámetro Establece una característica real de dicha población.

POBLACIÓN Como la media, la varianza o la proporción.

Muestra ➢ Cuál será la distribución que se obtiene de estos

estadísticos?
➢ Cuál es la frecuencia con la que obtengo diferentes
Muestra valores para estos estadísticos?
Estadístico

Estadístico
 DISTRIBUCIÓN MUESTRAL DE LAS MEDIAS
Ejemplo:
Suponga que se tiene la información de la ganancia de 5 empresas por semana en millones de pesos.
Donde Empresa Ganancia
E1 5
E2 7
E3 10
E4 12
E5 10

Construya la distribución muestral para la media para una muestra de tamaño 𝑛, donde 𝑛 = 2, 𝑛 = 3.

Primero : Saber cuantas muestras se pueden dependiendo el tamaño de la misma y número de

objetos de la población.
𝑁 𝑁!
𝑁𝐶𝑛 = =
𝑛 𝑛! 𝑁 − 𝑛 !
5
Luego, 5𝐶2 = = 10, lo que significa se obtienen 10 muestras de tamaño 2.
2
 DISTRIBUCIÓN MUESTRAL DE LAS MEDIAS
Solución:
Datos en cada muestra
Medias muestrales
Muestras diferentes Ganacia Ganacia Media Desviación
No. Emp. 1 Emp. 2 Emp.1 Emp.2 Muestral Estandar
1 E1 E2 5 7 6 1,4
2 E1 E3 5 10 7,5 3,5
3 E1 E4 5 12 8,5 4,9
4 E1 E5 5 10 7,5 3,5
5 E2 E3 7 10 8,5 2,1
6 E2 E4 7 12 9,5 3,5
7 E2 E5 7 10 8,5 2,1
8 E3 E4 10 12 11 1,4
9 E3 E5 10 10 10 0,0
10 E4 E5 12 10 11 1,4
 DISTRIBUCIÓN MUESTRAL DE LAS MEDIAS
Solución:
Ganancia Distribución Muestral de Medias (n = 2)
hi fi
media 0,35
6 1 0,1

Probabilidad de Ocurrencia fi
0,3
7,5 2 0,2
0,25
8,5 3 0,3
9,5 1 0,1 0,2

10 1 0,1 0,15

11 2 0,2 0,1

0,05

0
6 7,5 8,5 9,5 10 11
Variable Probabilidad Medias muestrales de las Ganancias
aleatoria de Ocurrencia
 DISTRIBUCIÓN MUESTRAL DE LAS MEDIAS
Solución:
Ganancia Distribución Muestral de Medias (n = 3)
hi fi
Media 0,35

7,3 2 0,2

Probabilidad de Ocurrencia fi
0,3
8,0 1 0,1
0,25
8,3 1 0,1
0,2
9,0 3 0,3
0,15
9,7 2 0,2
10,7 1 0,1 0,1

0,05

0
7,3 8,0 8,3 9,0 9,7

Variable Probabilidad Medias muestrales de las Ganancias

aleatoria de Ocurrencia
 Distribución Muestral de Medias
Caso 1: (Muestreo de poblaciones distribuidas Normalmente o no
• Si no se conoce la forma funcional de la población o no se desea suponer que no sea Normal.
• La solución de esta distribución muestral seria que el tamaño de la muestra sea grande (𝑛 ≥ 30), de
una Población de tamaño infinito, donde la distribución muestral de la media es aproximadamente
normal con
𝜎2
𝐸 𝑥ҧ = 𝜇 𝑦 𝑉𝐴𝑅 𝑥ҧ = = 𝜎𝑥2
𝑛
Así: las probabilidades de sobre las medias muestrales será la misma forma que se hizo para valores
individuales de V.A Normalmente distribuidas.
• La estandarización de la distribución normal para tal caso es de es de la forma:
𝑥ҧ − 𝜇 𝑥ҧ − 𝜇
𝑍= =
𝜎/ 𝑛 𝜎𝑥
 Distribución Muestral de Medias
Caso 2: Muestreo de poblaciones finitas

• Si no se conoce la forma funcional de la población o no se desea suponer que no sea Normal.

n
• Si la muestra es tomada de una población finita es decir N < 30 y se satisface la relación 𝑁 < 0,05 ,
sigue una distribución muestral de la media es aproximadamente normal con
𝜎2 𝑁 − 𝑛
𝐸 𝑥ҧ = 𝜇 𝑦 𝑉𝐴𝑅 𝑥ҧ = = 𝜎𝑥2
𝑛 𝑁−1
Así: las probabilidades de sobre las medias muestrales será la misma forma que se hizo para valores
individuales de V.A Normalmente distribuidas.
• La estandarización de la distribución normal para tal caso es de es de la forma:
𝑥ҧ − 𝜇
𝑍=
𝜎𝑥
 TEOREMA DEL LÍMITE CENTRAL
Distribución Muestral de Medias
Ejemplo:
El tiempo empleado para formar a un trabajador en la realización de una tarea especifica es de 7 horas y la desviación
estándar de 240 minutos. Se toma una muestra aleatoria de 45 trabajadores. ¿Cuál es la probabilidad de que la media
muestral sea mayor a 6 horas?

Solución:
Datos 𝜇 = 7; 𝜎 = 4; 𝑛 = 45; Pregunta P 𝑥ҧ > 6 =?
𝜎 4
Haciendo uso del T.L.C se tiene: 𝜎𝑥 = = ≈ 0.59
𝑛 45

Ahora hay que estandarizar para hacer uso de la distribución Normal:

𝑥ҧ − 𝜇 6 − 7
𝑍= = = −1.69
𝜎𝑥 0.59
Ahora utilizar la tabla de la distribución Normal estándar, es decir, 𝑁 0,1

P 𝑥ҧ > 6 = P 𝑍 > −1.69 = 1 − 𝑃 𝑍 < −1.69 = 1 − 0.045 ≈ 0.955

 TEOREMA DEL LÍMITE CENTRAL

Teorema del Límite Central ( T. L. C)

Si 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 una muestra aleatoria de tamaño 𝑛 tomada de una población (finita o no) con media 𝜇 varianza
𝜎 2 finita, siendo 𝑥ҧ la media muestral, entonces, si 𝑛 → ∞ la forma límite de la distribución muestral es 𝑁 0,1
con
𝑥ҧ − 𝜇 𝑥ҧ − 𝜇
𝑍= = .
𝜎/ 𝑛 𝜎𝑥
Se puede expresar también como:
𝑥ҧ − 𝑛𝑝
𝑍=
𝑛𝑝 1 − 𝑝
TEOREMA DEL LÍMITE CENTRAL
 Distribución Muestral de la Proporción
Caso para Distribución tamaño infinito
• En ciertos momentos es necesario trabajar con la proporción de manera semejante a la distribución
binomial.
• Se define 𝑝 como la proporción de elementos de la muestra que poseen una característica especifica
(Proporción de éxitos)
• La solución de esta distribución muestral seria que el tamaño de la muestra sea grande
• (𝑛 ≥ 30 𝑦 𝑛𝑝 > 5), de una Población de tamaño infinito, donde la distribución muestral de la media es
aproximadamente normal con
𝑝 1−𝑝
𝐸 𝑝ҧ = 𝑝 𝑦 𝑉𝐴𝑅 𝑝ҧ = = 𝜎𝑝2
𝑛
Así: las probabilidades de sobre las proporciones muestrales será la misma forma que se hizo para valores
individuales de V.A Normalmente distribuidas.
• La estandarización de la distribución normal para tal caso es de es de la forma:
𝑝ҧ − 𝑛𝑝 𝑝ҧ − 𝑝
𝑍= =
𝑛𝑝 1 − 𝑝 𝜎𝑝
 Distribución Muestral de Proporciones
Caso 2: Muestreo de poblaciones finitas
• Si no se conoce la forma funcional de la población o no se desea suponer que no sea Normal.
n
• Si es una Población de tamaño finito N < 30 y 𝑁 < 0.05 ; adicionalmente np ≥ 5, sigue una distribución
muestral de proporción es aproximadamente normal con
𝑝 1−𝑝 𝑁−𝑛
𝐸 𝑝ҧ = 𝑝 𝑦 𝑉𝐴𝑅 𝑥ҧ = = 𝜎𝑝2
𝑛 𝑁−1
Así: las probabilidades de sobre las proporciones muestrales será la misma forma que se hizo para valores
individuales de V.A Normalmente distribuidas.
• La estandarización de la distribución normal para tal caso es de es de la forma:
𝑝ҧ − 𝑝
𝑍=
𝜎𝑝
 TEOREMA DEL LÍMITE CENTRAL
Distribución Muestral de proporciones
Ejemplo:
El 40% de los focos producidos por una empresa no duran la vida útil esperado, se selecciona una muestra de 150 focos
y se evalúa su duración. Hallar la probabilidad de que el 35% o menos no dure su vida propuesta

Solución:
Datos 𝑝 = 0.4; 1 − 𝑝 = 0.6; 𝑛 = 150; Pregunta P 𝑝ҧ ≤ 0.35 =?

0.4 0.6
Haciendo uso del T.L.C se tiene: 𝜎𝑝 = =≈ 0.04
150

Ahora hay que estandarizar para hacer uso de la distribución Normal:

𝑝ҧ − 𝑝 0.35 − 0.4
𝑍= = = −1.25
𝜎𝑝 0.04
Ahora utilizar la tabla de la distribución Normal estándar, es decir, 𝑁 0,1

P 𝑝ҧ ≤ 0.35 = P 𝑍 < −1.25 ≈ 0.105