121

5. DISTRIBUCIONES DE
ALGUNOS ESTADISTICOS


5. 1. MUESTRA ALEATORIA

Vamos a repasar y profundizar el concepto de muestra de ob-

Pág. 3 servaciones visto en el Capítulo 1. Consideremos la variable aleato-
ria:
X = Estatura en metros, de varones de 18 años de la República
Argentina.
Podemos suponer que X ~ N(µ ; ).
 = Estatura media, en metros, de los varones de 18 años de la
República Argentina.
Una muestra aleatoria de individuos de tamaño n es un conjun-
to de n varones de 18 años de la República Argentina, elegidos de
manera tal que todos tengan la misma probabilidad de ingresar a la
muestra.
La muestra aleatoria de observaciones está formada por n nú-
meros que corresponden a las estaturas de los n varones de la
muestra de individuos. Si queremos estimar  calcularíamos la me-
dia muestral de la muestra de observaciones x y si queremos esti-
mar  utilizaríamos el desvío estándar muestral s.
Por ejemplo, una muestra de tamaño 5 es:
1,74 1,93 1,65 1,84 1,69 y x  1,77 s = 0,114
Si otra persona también toma una muestra de 5 varones y les
mide la estatura seguramente va a obtener valores distintos. Por
ejemplo:
1,72 1,78 1,74 1,62 1,89 y x  1,75 s = 0,098
Advertimos que de la misma variable aleatoria X podemos for-
mar distintas muestras de tamaño 5 y además, cada una de ellas
nos conduce a un valor distinto de x y de s. Esto nos sugiere que
los valores de la muestra son aleatorios y también la media mue s-
tral y el desvío estándar muestral son aleatorios.
Así podemos definir la variable aleatoria:
X1 = Estatura, en metros, del primer varón de la muestra de in-
dividuos.
122

Los valores de la variable aleatoria X 1 que observamos en las

dos muestras anteriores son 1,74 y 1,72. Ahora nos preguntamos
¿qué distribución sigue X 1 ? Como todos los varones de la pobla-
ción pueden ser el primer varón de la muestra de individuos, su
estatura tiene que seguir la misma distribución que X, por lo tanto
X1 sigue la misma distribución que X.
También podemos definir la variable aleatoria:
X2 = Estatura, en metros, del segundo varón de la muestra de
individuos.
También todos los varones de la población pueden ser segundo
varón de la muestra y por lo tanto también X 2 tiene la misma distri-
bución de X. Además, X2 es independiente de X 1 porque la estatura
del segundo varón elegido al azar no depende de la estatura del
primero.
Para muestras de tamaño n podemos definir sucesivamente las
variables aleatorias X 1 , X2 , Xn , siendo
Xn = Estatura, en metros, del n-simo varón de la muestra de in-
dividuos.
Cada una de esas variables aleatorias tiene la misma distribu-
ción que la variable aleatoria X y son todas independientes entre si.

X1 , X2 , …,X n , es una muestra aleatoria de tamaño n de una va-

Definición de mues-
tra aleatoria de una riable aleatoria X si y sólo si cada variable aleatoria X i sigue la
variable aleatoria X misma distribución que X (i=1,2,…,n) y son todas independientes
entre si.

En nuestra notación utilizamos letras mayúsculas para las va-

riables aleatorias y letras minúsculas para los valores observados
de esas variables. Por ese motivo cuando nos referimos a la mue s-
tra aleatoria de la variable aleatoria X escribimos:
X1, X2, …,Xn
En cambio, cuando nos referimos a los valores obtenidos en
una muestra en particular escribimos:
x1, x2, …,xn
Por otra parte vimos que cada muestra de observaciones que
tomamos nos conduce a un valor distinto de x y por lo tanto la me-
dia muestral también es aleatoria. Esa variable aleatoria es:
Notar que X la escri-
bimos con letra ma- X = estatura promedio de cinco varones adultos.
yúscula porque es va- Esta variable aleatoria la definimos en función de la muestra
riable aleatoria. aleatoria de la siguiente manera:

Si X1 , X 2 , …,Xn , es una muestra aleatoria de tamaño n de una va-

Definición de media
riable aleatoria X se llama media de la muestra aleatoria a:
de una muestra alea-
toria de una variable 1 n
aleatoria X X   Xi
n i 1

Como vimos que el desvío estándar es aleatorio, la varianza

muestral también es variable aleatoria.
 123

Esta variable aleatoria la definimos en función de la muestra

aleatoria de la siguiente manera:

Si X1 , X2 , …,Xn , es una muestra aleatoria de tamaño n de una va-

Definición de varian- riable aleatoria X y X es la media de la muestra, se llama varianza
za de una muestra de la muestra aleatoria a:
aleatoria de una va-
1 n
riable aleatoria X S2   ( X i  X) 2
n  1 i 1

5. 2. ESTIMADORES


Llamábamos estadístico a cualquier función de la muestra. Si
consideramos una muestra aleatoria de una variable aleatoria X, un
estadístico es cualquier función de la muestra, es decir una función
Pág. 14
f(X1 , X2 , …,X n ). En consecuencia todo estadístico es una variable
aleatoria.
Todos los valores que toma una variable aleatoria X correspon-
den a la población de observaciones. A manera de resumen pode-
mos distinguir entre la muestra y la población de observaciones que
corresponden a una variable aleatoria X. En el siguiente cuadro se
advierte que los parámetros poblacionales son fijos pero descono-
cidos, mientras que todo lo que se calcula a partir de una muestra
tiene el inconveniente de que es variable.

Muestra de Población de
observaciones observaciones
Media X 

Desviación estándar S 

Nombre Estadísticos Parámetros

Conocidos Desconocidos
Propiedades
Variables Fijos

En general, si  es un parámetro desconocido y ̂ es un esti-


mador de  , es un estadístico y por lo tanto es variable aleatoria.
Como todo estimador ̂ es una variable aleatoria, tiene sentido
Pág. 118 calcularle su media y su varianza: E( ̂ ) y Var ( ̂ ).
¿Cómo se puede interpretar E( ̂ )?. Si tomamos una muestra
aleatoria particular y obtenemos un valor de ̂ , ese estimador será
“bueno” si está cercano al valor desconocido  .
Si tomamos un gran número de muestras aleatorias tendremos
muchos valores de ̂ . La media de todos los posibles valores de ̂