DISTRIBUCIÓN DE LA MEDIA MUESTRAL

Debido a que los individuos pueden variar de

muestra en muestra entonces la media muestral
puede variar de muestra en muestra.

La media muestral tiene una distribución de

Probabilidad.
La distribución muestral de un estadístico es una distribución
de probabilidad para todos los valores posibles del estadístico
calculado a partir de una muestra de tamaño n.

La distribución muestral de la media muestral 𝑥ҧ es la distribución

de probabilidad de todos los valores posibles de la variable aleatoria 𝑥ҧ calculada
a partir de una muestra de tamaño n de la población con media 𝜇 y desviación estándar 𝜎.
La idea detrás de obtener la distribución muestral de
la media es la siguiente:
Paso 1: Obtenga una muestra aleatoria simple de tamaño n.
Paso 2: Calcular la media muestral.
Paso 3: Suponiendo que estamos tomando muestras de una
población finita, repita los Pasos 1 y 2 hasta que se hayan
obtenido todas las muestras
aleatorias simples distintas de tamaño n.
Nota: Una vez que se obtiene una muestra en particular,
no se puede obtener una segunda vez.
Conclusiones:
• Forma: la forma de la distribución de la media de la muestra es normal.
• Centro: la media de la distribución de la muestra es igual a la
media de la población, 100.
• Dispersión: la desviación estándar de la media de la muestra
es menor que la desviación estándar de la población.
 El impacto del tamaño de la muestra en la variabilidad muestral

Observe que los medias de muestra parecen estar distribuidos normalmente con el centro en 100.
El histograma de la figura de la derecha muestra menos dispersión que el histograma en
la figura de la izquierda. Esto implica que la distribución de 𝑥ҧ con n = 25 tiene menos
variabilidad que la distribución de 𝑥ҧ con n = 9.
De hecho, la media de los 1000 medias de muestra es 99.99, y la desviación estándar es 3.00.
A partir de los resultados de los ejemplo anterior, concluimos que,
a medida que aumenta el tamaño de la muestra n, la desviación estándar
de la distribución de 𝑥ҧ disminuye.

Media y desviación estándar de la distribución muestral de 𝒙

ഥ
Supongamos que se extrae una muestra aleatoria simple de tamaño n de una
población con media 𝜇 y desviación estándar 𝜎. La distribución muestral de
𝜎
𝑥ҧ tiene una media 𝜇𝑥ҧ = 𝜇 y una desviación estándar 𝜎𝑥ҧ = .
𝑛
La desviación estándar de la distribución muestral de 𝑥,ҧ 𝜎𝑥ҧ , se denomina
error estándar de la media.
Si una variable aleatoria X se distribuye normalmente, la distribución de la media
muestral, 𝑥,ҧ se distribuye normalmente.

Del ejemplo anterior tenemos:

El coeficiente de inteligencia, X, de los seres humanos se
distribuye aproximadamente de forma normal con una media
𝜇 = 100 y una desviación estándar 𝜎= 15. Calcule la probabilidad
de que una muestra aleatoria simple de tamaño n = 10 resulte en
una media de la muestra mayor que 110. Es decir, calcule 𝑃 (𝑥ҧ > 110).

Solución:
Paso 1 Verificar la normalidad de la distribución de 𝑥.ҧ
Paso 2 Obtener la media y la desviación estándar de la media muestral 𝑥.ҧ
Paso 3 Estandarizar la variable
Paso 4 Calcular el valor de la probabilidad como el área bajo la curva normal
Distribución de la media muestral cuando la población no es normal

La siguiente tabla muestra la distribución de probabilidades del número de

personas que conforman un hogar en los EE.UU.
Determinamos la media y la desviación estándar de las personas que viven en
hogares en los Estados Unidos son 𝜇 = 2.9 y σ = 1.48.
Se generó 1000 muestras
de tamaño n=4
n=4
La distribución de los medias muestrales está sesgada a la derecha
(al igual que la población matriz, pero no tan fuerte).
La media de las 1000 muestras es 2.9 y la desviación estándar es 0.73.
Entonces, la media de las 1000 muestras, 𝜇𝑥ҧ , es igual a la media
𝜎 1.48
poblacional 𝜇, y el error estándar de las 1000 muestras, 𝜎𝑥ҧ = = =0.74
𝑛 4
n=10

𝜇𝑥ҧ =2.9

𝜎𝑥ҧ = 0.47
n= 30

𝜇𝑥ҧ =2.9

𝜎𝑥ҧ = 0.27
Dos conceptos clave del ejemplo anterior.
 La media de la distribución muestral de 𝑥ҧ es igual a la media de la población
𝜎
subyacente, y la desviación estándar es , independientemente del tamaño
𝑛
de la muestra.

 La forma de la distribución de la media muestral 𝑥ҧ se vuelve

aproximadamente normal a medida que aumenta el tamaño de la muestra n,
independientemente de la forma de la población subyacente.
 El teorema del límite central
Independientemente de la forma de la población subyacente, la
distribución muestral de 𝑥ҧ se vuelve aproximadamente normal
a medida que aumenta el tamaño de la muestra, n.

Ejemplo:
El aumento de peso promedio durante el embarazo es de 30 libras,
con una desviación estándar de 12.9 libras. El aumento de peso durante el embarazo
está sesgado a la derecha.
Un obstetra obtiene una muestra aleatoria de 35 pacientes de bajos ingresos y
determina que su aumento de peso promedio durante el embarazo fue de 36.2 libras.
¿Este resultado sugiere algo inusual?
Vamos a determinar la probabilidad de obtener un promedio de muestra de 36.2 libras o
más.
Suponga que los pacientes provienen de la población cuyo aumento de peso medio es de
30 libras.
Usamos el modelo normal para obtener la probabilidad ya que el tamaño de la muestra es
lo suficientemente grande como para usar el Teorema del Límite Central.
Solución:
Calculamos el área bajo la curva normal para obtener 𝑃(𝑥ҧ ≥ 36.2).

12.9 ҧ 𝑥ഥ
𝑥−𝜇 36.2−30
Obtenemos 𝜇𝑥ҧ = 𝜇 = 30 y 𝜎𝑥ҧ = y𝑧= = 12.9 = 2.84
35 𝜎𝑥ഥ
35
El area bajo la curva normal a la izquierda de 𝑧 = 2.84 es 0.9977, así el área
a la derecha es 1-0.9977=0.0023. Por lo tanto, 𝑃 𝑥ҧ ≥ 36.2 = 0.0023.

Interpretación:
Si la población a partir de la cual se extrae esta muestra tiene un aumento de
peso promedio de 30 libras, la probabilidad de que una muestra aleatoria de
35 mujeres tenga una ganancia de peso promedio de 36.2 libras (o más) es de
aproximadamente 0.002. Esto significa que aproximadamente 2 muestras en
1000 darán como resultado un promedio muestral de 36.2 libras o más si la
media de la población es de 30 libras.
Dos posibles conclusiones.
El aumento de peso promedio para pacientes de bajos ingresos es de 30 libras, y sucedió
que seleccionamos mujeres que, en promedio, ganaron más peso.

El aumento de peso promedio para pacientes de bajos ingresos es más de 30 libras.

 DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN

Supongamos que queremos determinar la proporción de hogares en una asociación de

propietarios de 100 casas que están a favor de un aumento en las evaluaciones anuales
para pagar las mejoras del vecindario. Podríamos encuestar a todos los hogares
para saber cuáles están a favor de evaluaciones más altas. Si 65 de los 100 hogares
están a favor de la evaluación más alta, la proporción de la población, p, de los hogares a
favor de una evaluación más alta es:
65
𝑝= = 0.65
100
Definición:
Supongamos que se obtiene una muestra aleatoria de tamaño n de una población
en la que cada individuo tiene o no una determinada característica. La proporción
𝑥
de muestra, denotada 𝑝,Ƹ viene dada por 𝑝Ƹ =
𝑛
donde 𝑥 es el número de individuos en la muestra con la característica especificada.
La proporción de muestra, 𝑝,Ƹ es un estadístico que estima la proporción de población, 𝑝.

Ejemplo:
Un instituto de salud realizó una encuesta a 1000 adultos estadounidenses de
18 años o más y preguntó: "¿Actualmente tiene algún tipo de dieta baja en carbohidratos?“
De los encuestados, 150 dijeron que seguían una dieta baja en carbohidratos.
Encuentre la proporción de muestra de Individuos encuestados que estaban en
una dieta baja en carbohidratos.
 150
𝑝Ƹ = = 0.15
1000
Por lo tanto, el instituto de salud sostiene que 0.15 o 15% de los adultos estadounidenses
de 18 años o más están bajo alguna forma de dieta baja en carbohidratos.

Una segunda encuesta de 1000 adultos estadounidenses probablemente tendría

una estimación diferente de la proporción de estadounidenses con una dieta baja
en carbohidratos porque diferentes personas estarían en la muestra. Como el valor
de 𝑝Ƹ varía de muestra a muestra, es una variable aleatoria y tiene una distribución
de probabilidad.

En lugar de encuestar literalmente a 1000 adultos estadounidenses una y otra vez,

Se puede obtener 1000 muestras con simulación para tener una idea de la forma,
el centro y la dispersión de la distribución de muestreo de la proporción.
Según un estudio realizado por la organización Gallup, el 76% de los estadounidenses
creen que el estado de los valores morales en los Estados Unidos está empeorando.
Describa la distribución muestral de la proporción muestral para muestras de tamaño.
(a) n = 10
(b) n = 25
(c) n = 60.
• Forma: a medida que aumenta el tamaño de la muestra, la forma de la
distribución muestral de la proporción muestral se vuelve aproximadamente normal.
• Centro: la media de la distribución de muestreo de la proporción
de muestra es igual a la proporción de la población, p.
• Dispersión: la desviación estándar de la distribución muestral de la proporción muestral
disminuye a medida que aumenta el tamaño de la muestra.
Ejemplo:
Según un estudio realizado por la organización Gallup, el 76% de los estadounidenses cree
que el estado de los valores morales en los Estados Unidos está empeorando. Supongamos
que obtenemos una muestra aleatoria simple de n = 60 estadounidenses y determinamos
cuáles creen que el estado de los valores morales en los Estados Unidos está empeorando.
Describe la distribución muestral de la proporción de muestra para los estadounidenses con
esta creencia.

Solución:
Si el tamaño de la muestra,𝑛, es menor al 5% del tamaño de la población.
y 𝑛𝑝 1 − 𝑝 ≥ 10 , la distribución muestral de 𝑝Ƹ es aproximadamente normal,
𝑝(1−𝑝)
con media 𝜇𝑝ො = 𝑝 y desviación estándar 𝜎𝑝ො = .
𝑛
Estados Unidos tiene más de 300 millones de personas, por lo que la muestra
de n = 60 es menor al 5% del tamaño de la población. Además,
𝑛𝑝 1 − 𝑝 = 60 0.76 1 − 0.76 = 10.944 > 10. La distribución de 𝑝Ƹ es
aproximadamente normal , con una media 𝜇𝑝ො = 0.76 y desviación estándar
𝑝(1 − 𝑝) 0.76(1 − 0.76)
𝜎𝑝ො = = = 0.055
𝑛 60