DISTRIBUCIONES MUESTRALES

Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales
como: la media 𝜇𝑥 , la varianza poblacional 𝜎𝑋2 y la diferencia de medias 𝜇1 − 𝜇2
Se extrae una muestra aleatoria de la población 𝑋 y se calcula el valor de un estadístico correspondiente, por
ejemplo, la media muestral 𝑋̅ , la varianza muestral S2 o la diferencia de medias muestrales 𝑋̅1 − 𝑋̅2 . El valor del
estadístico es aleatorio porque depende de los elementos elegidos en la muestra seleccionada. y, por lo tanto, el
estadístico tiene una distribución de probabilidad la cual es llamada la Distribución Muestral del Estadístico.

Teorema (Distribución de la media muestral)

Sea 𝑋 una v.a. que sigue una distribución normal 𝑿~𝑵 (𝜇𝑥 , 𝝈𝟐𝒙 ,) y sea 𝑋̅ la media muestral de una muestra
aleatoria de cualquier tamaño n (𝑛 ≥ 2), entonces: 𝑋̅ ~𝑵 (𝝁𝑿 , 𝝈𝟐𝑿 ,)
𝜎𝑥2
es decir: 𝑋 ~𝑁 (𝜇𝑥 ; )   
𝑛

Teorema (Teorema del Limite Central)

Sea X una v.a. con distribución desconocida o diferente de la Normal, de parámetros 𝜇𝑥 y 𝜎𝑋2 , y sea 𝑋 la media
muestral de una muestra aleatoria tamaño n,si n es una muestra grande ( n > 30) entonces:
𝜎2
𝑋 ≈ 𝑁 (𝜇𝑥 ; 𝑛𝑥 ) a mayor tamaño de la muestra, mejor será la aproximación a la normal.

𝜎𝑥2
Nota: Si 𝑋 ~𝑁 (𝜇𝑥 ; 𝑛
), para el cálculo de probabilidades se debe estandarizar:
𝑋̄ − 𝜇𝑋 𝑋̄ − 𝜇𝑋 𝑋̄ − 𝜇𝑋
𝑍= = 𝜎 =( ) √𝑛    ∼ 𝑍(0,1)~ 𝑁(0; 1)
𝜎 2 𝑋 𝜎𝑋
√ 𝑋 √𝑛
𝑛

DISTRIBUCIONES ASOCIADAS A LA NORMAL

Cuando queramos hacer inferencia estadística veremos que la distribución normal aparece de forma casi
inevitable, ya que se utilizan distribuciones continuas de probabilidad que son funciones de distribuciones
normales, podemos encontrar otras distribuciones asociadas a la normal: 𝑋2 (chi cuadrado), 𝑡 − 𝑠𝑡𝑢𝑑𝑒𝑛𝑡 y 𝐹 −
𝑆𝑛𝑒𝑑𝑒𝑐𝑜𝑟. Estas distribuciones resultan directamente de operar con distribuciones normales.

Distribución JI-CUADRADO o CHI-CUADRADO 𝝌𝟐

Tiene un sólo parámetro denominado grados de libertad. Los grados de libertad pueden ser interpretados como
el número de valores de la muestra que pueden ser fijados arbitrariamente.
Una muestra de tamaño 𝑛 tiene (𝑛 − 1) grados de libertad.

(𝑛−1) 𝑆 2
𝜒2 = ~𝜒 2 (𝑛−1)𝑔.𝑙.
𝜎2

Características de la 𝒇(𝜒 2 )
En recorrido de la v.a. 𝜒 2 son los reales no negativos.; 𝒇(𝜒 2 ) es
asimétrica a la derecha; Si n es grande: 𝜒 2 ≈ 𝑁
𝑻 de student Dadas dos variables aleatorias independientes; una Z ~ N (0,1) y otra 𝜒 2 (𝑛−1)𝑔.𝑙. , generamos una
nueva variable aleatoria llamada 𝑇 donde:
𝑿̅ − 𝝁𝒙
𝒁 ( ) √𝒏 ̅ −𝝁
𝑿
𝝈𝒙 𝒙
𝑻= = ⇒ 𝑻=( ) √𝒏 ~ 𝑡(𝑛−1)𝑔.𝑙.
2 𝑺𝒙
√ 𝜒 (𝑛 − 1) 𝑆 2
𝒏−𝟏 √ 𝜎2
𝒏−𝟏
Características de la 𝒇(𝒕)
Acampanada y asintótica al eje X; el recorrido de la v.a.𝑇 es todos los
reales; la media de la distribución es cero. 𝐸(𝑡) = 0; 𝑓(𝑡) simétrica
respecto a su media; si n es grande: 𝑡 ≈ 𝑍

1
Mg.Cecilia Rios Varillas
 DISTRIBUCIONES MUESTRALES

( I ) Distribución de la Media Muestral 𝑋̅: Se toma una muestra de tamaño n de una población.

1er Caso: 𝝈𝟐𝒙 conocida

Si X ~ N (𝜇𝑥 , 𝜎𝑥2 ) y n ≥ 2, o si X sigue cualquier distribución y n≥ 30
𝜎𝑥2 𝑋̄−𝜇𝑋 𝑋̄−𝜇𝑋
En ambos casos: 𝑋 ~𝑁 (𝜇𝑥 ; ) 𝑍= 𝜎𝑋 =( ) √𝑛 ~ 𝑁(0,1)
𝑛 𝜎𝑋
√𝑛
2do. Caso: 𝝈𝟐𝒙 desconocida
𝜎2
Si X ~ N (𝜇𝑥 , 𝜎𝑥2 ), 𝑋̄~𝑁(𝜇𝑥 ;  𝑥 ), 𝜎𝑥2 desconocida y varianza muestral 𝑆𝑥2 conocida.
𝑛
𝑋̄−𝜇𝑋 𝑋̄ −𝜇𝑋
a) n es pequeño (n < 30), 𝑡= 𝑆𝑥 =( ) √𝑛 ~ 𝑡(𝑛−1)𝑔.𝑙.
𝑆𝑥
√𝑛

𝑋̄−𝜇𝑋 𝑋̄−𝜇𝑋
b) n es grande (n ≥ 30), 𝑍= 𝑆𝑥 =( ) √𝑛 ~ 𝑁(0,1)
𝑆𝑥
√𝑛

( II ) Distribución de la diferencia de medias muestrales 𝑿𝟏 - 𝑿𝟐

𝜎2 𝜎2
X1 y X2 siguen distribuciones normales, (𝑋1 − 𝑋2 ) ~𝑁  (𝜇1 − 𝜇2 ,  𝑛1 + 𝑛2 )
1 2

(𝑋̄1 −𝑋̄2 )−(𝜇1 −𝜇2 )

1er. Caso : Si 𝝈𝟐𝟏  𝒚 𝝈𝟐𝟐 conocidas 𝑍= ~ 𝑁(0,1) también si X1 y X2 siguen cualquier
𝜎2 𝜎 2
√( 1 + 2 )
𝑛1 𝑛2

distribución y n1 ≥ 30 y n2 ≥ 30

2do. Caso : Si 𝜎12  𝑦 𝜎22 desconocidas,𝑆12 y 𝑆22 conocidas y para muestras pequeñas n1 y n2 ,
(𝑋1 −𝑋2 )−(𝜇1 −𝜇2 ) 1 1 𝑆12 (𝑛1 −1)+𝑆22 (𝑛2 −1)
a) 𝑺𝒊 𝝈𝟐𝟏 = 𝝈𝟐𝟐 𝑡= ~𝑡(𝑛1+𝑛2−2)𝑔𝑙 𝑆𝑝2 = (𝑛 + 𝑛 ) ( )
𝑆𝑝 1 2 𝑛1 +𝑛2 −2

𝑠2 𝑠 2
(𝑋̄1 −𝑋̄2 )−(𝜇1 −𝜇2 ) ( 1+ 2)
𝑛1 𝑛2
b) 𝑺𝒊 𝝈𝟐𝟏 ≠ 𝝈𝟐𝟐 t= ~ t(G)g.l. 𝐺= 2 2
𝑠2 𝑠2
𝑆2 𝑆2 (𝑛1 ) (𝑛2 )
√( 1 + 2 ) 1 2
𝑛1 𝑛2 +
𝑛1 −1 𝑛2 −1

Ejercicios de distribuciones muestrales

1. Una empresa eléctrica fabrica baterías 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 baterías tenga una vida promedio de menos de 775 horas.
2. En un laboratorio se realizan 20 determinaciones del volumen (cm3) de una sustancia química y se obtiene
una desviación estándar de 1,5 cm3. Por estudios anteriores se sabe que el volumen de esta sustancia
química se distribuye en forma normal con media de 14,5 cm3. Se desea calcular la probabilidad de que el
volumen promedio de esta muestra sea a lo más 14 cm3.
3. Un químico analiza dos técnicas para determinar el punto de fusión del estaño, las mediciones con cada
técnica siguen una distribución normal con media de 252,26 °𝐶 y 250°𝐶 respectivamente y desviaciones
estándares de 1,4 °𝐶 y 1,38 °𝐶 respectivamente. Para estos análisis realiza 15 mediciones usando la
primera técnica y 12 mediciones con la segunda técnica, se desea calcular la probabilidad de que la media
de la primera muestra exceda a la media de la segunda muestra en no más 2,5 °𝐶
4. Se tiene 2 métodos para medir el volumen de una sustancia química: El método A (con pipeta) y el método
B (Con probeta), ambos métodos se distribuyen normalmente con medias de 30 y 38 cm3
respectivamente. Se realizan 8 mediciones con pipeta y se encuentra una desviación estándar de 2 cm3 y
10 mediciones con probeta y se obtiene una desviación estándar de 2,5 cm3. Calcular la probabilidad de
que las medias muestrales difieran en no menos de 7 cm3. (asumir poblaciones normales y varianzas
poblacionales iguales).
2
Mg.Cecilia Rios Varillas