Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectura - TLC y Suma de VAs Independientes - 2023-II - MC - V. Final
Lectura - TLC y Suma de VAs Independientes - 2023-II - MC - V. Final
Sea 𝑋! , 𝑋" , … 𝑋# una colección de 𝑛 VAs independientes entre sí, donde cada variable
aleatoria 𝑋$ tiene distribución 𝑁(𝜇$ , 𝜎$" ); entonces la variable aleatoria 𝑊 = 𝑋! + 𝑋" + ⋯ +
𝑋# = ∑#$%! 𝑋$ tiene distribución 𝑁(∑ 𝜇$ , ∑ 𝜎$" ) , es decir, la variable aleatoria 𝑊 tiene
distribución:
𝑁(𝜇! + 𝜇" + ⋯ + 𝜇# , 𝜎!" + 𝜎"" + ⋯ + 𝜎#" )
Suponga que de una población, 𝑋, con distribución Normal con media 𝝁 y varianza 𝝈𝟐 ,
se toma una muestra aleatoria de 𝑛 observaciones, 𝑋! , 𝑋" , … 𝑋# . La media muestral
1
𝑋. = (𝑋 + 𝑋" + ⋯ + 𝑋# ),
𝑛 !
𝝈𝟐
tiene una distribución Normal con media 𝝁𝑿( = 𝝁 y varianza 𝝈𝟐𝑿( = 𝒏
, tal como se
demuestra a continuación:
1 1
𝐸(𝑋.) = 𝜇+, = 𝐸 5 (𝑋! + 𝑋" + ⋯ + 𝑋# )6 = 7𝐸(𝑋! ) + 𝐸(𝑋" ) + ⋯ + 𝐸(𝑋# )8
𝑛 𝑛
1 𝑛∙𝜇
𝐸(𝑋.) = (𝜇 + 𝜇 + ⋯ + 𝜇) = =𝝁
𝑛 𝑛
1 1
𝑉𝑎𝑟(𝑋.) = 𝜎+," = 𝑉𝑎𝑟 5 (𝑋! + 𝑋" + ⋯ + 𝑋# )6 = " 7(𝑉𝑎𝑟(𝑋! ) + 𝑉𝑎𝑟(𝑋" ) + ⋯ + 𝑉𝑎𝑟(𝑋# )8
𝑛 𝑛
Puesto que las VAs 𝑋$ son independientes entre sí, y 𝑉𝑎𝑟(𝑋$ ) = 𝜎 " , se obtiene que:
!!
Es decir, 𝑉𝑎𝑟(𝑋') = .
"
- "
En conclusión, la media muestral, 𝑋., tiene distribución 𝑁 >𝜇, ?.
#
Ahora veamos qué sucede cuando se tiene una muestra aleatoria de una población, 𝑋,
en el caso en el que 𝑋 tiene una distribución diferente a la distribución Normal.
REFERENCIAS
Tomado y adaptado de:
[1] Walpole, R.E., Myers, R.H., Myers, S.L. y Ye, K. Probabilidad y Estadística para
Ingeniería y Ciencias, Prentice Hall, Novena Edición, 2012. Págs. 221-224 y 233-236.