Distribuciones Muestrales

Ing. Raúl Alvarez Guale, MPC

 Teorema del Límite Central

Mientras el n↑ La distribución
tamaño de muestral se
muestra sea hará casi
suficiente- normal sin
mente considerar la
grande… forma de la
población
Teorema del límite Central

•Si  es la media de una muestra aleatoria de tamaño n tomada de una

población con media y varianza , entonces la forma de la distribución

Conforme nes una distribución norma estándar n(z;0,1) (Con media

cero y varianza 1).
Se considera una buena aproximación cuando n>= 30.
¿Qué es suficientemente grande?

• Para la mayoría de las distribuciones, n > 30 dará una distribución

muestral que es casi normal.
• Para distribuciones simétricas, n > 15 es suficiente.
• Para poblaciones con distribución normal, la distribución muestral
de la media será siempre normal.
Usando la Distribución Muestral para
Medias

1. Calcular la media muestral.

2. Definir la distribución muestral.
3. Definir la probabilidad de interés a calcular.
4. Convertir la media muestral a un valor z.
5. Encontrar la probabilidad usando la tabla de
distribución normal estándar.
Ejemplo1: Teorema límite central

Suponer una población con media μ = 8 y desviación estándar σ = 3.

Además una muestra aleatoria de tamaño n = 36 es seleccionada.
¿Cuál es la probabilidad que la media de la muestra esté entre 7.8 y 8.2?
Ejemplo1: Teorema límite central
Solución:
Incluso si la población no tiene distribución normal, el teorema del límite
central puede ser usado (n > 30)
Entonces la distribución de muestreo de es aproximadamente normal
con media =μ= 8
y desviación estándar

x
μx
σ 3
σx    0.5
n 36
 Ejemplo1: Teorema límite central

 
 7.8 - μ x -μ 8.2 - μ 
P(7.8  x  8.2)  P   
 σ σ σ 
 n n n 

Distribución de la Población Distribución Muestral Distribución Normal Estándar

???
? ??
? ? Muestrear Estandarizar
?? ?
?
7.8 8.2 -z1 z2
μ8 x μx  8 x μz  0 z
 Ejemplo1: Teorema límite central

 
 7.8 - 8 x -μ 8.2 - 8 
P(7.8  x  8.2)  P   
 3 σ 3 
 36 n 36 
 P(-0.4  z  0.4)  0.3108

Distribución de la Población Distribución Muestral Distribución Normal Estándar

0.1554
???
? ??
? ? Muestrear Estandarizar 0.1554
?? ?
?
7.8 8.2 -0.4 0.4
μ8 x μx  8 x μz  0 z
Ejemplo 2: Teorema límite central

Una empresa de material eléctrico fabrica bombillas de luz 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 bombillas tenga
una vida promedio menos de 775 horas.
Ejemplo 2: Teorema límite central

• 
Ejemplo 2: Teorema límite central

• 
 Ejemplo 2: Teorema límite central
•En  la tabla acumulada

Entonces

 
 Ejemplo 3: Teorema límite central
Determinar la probabilidad de que el mismo grupo aleatorio tenga una
vida útil de 810 y 820 horas
 

 
Ejemplo 3: Teorema límite central
• 
Ejemplo 3: Teorema límite central
• 
𝑃 ( 2> 𝑧 >1 )
Ejemplo 3: Teorema límite central

•