Estadística II

Distribuciones en el muestreo

Prof. Carlos Castillo C.

 Distribución Muestral
 Uno de los objetivos principales del análisis estadístico consiste en
utilizar estadísticas, que se obtienen con los datos de la muestra,
para estimar los respectivos parámetros de la población.
 El investigador al trabajar con una muestra se interesa en obtener
conclusiones generales para una población y no para una muestra;
es decir, la muestra es el “vehículo” para llegar a las conclusiones
sobre la población.
 En la práctica, no se puede extraer todas las muestras posibles de
un tamaño n de una población. En caso de serlo, el conjunto de
resultados de una estadística en particular correspondiente a cada
muestra origina una distribución que se denomina distribución de
muestreo (distribución muestral)
 Muestra aleatoria

Dada una población y una variable aleatoria X que tiene

función de probabilidad f(x), con parámetros µ y 2 , se
dice que X1, X2, …, Xn es una muestra aleatoria, si
cada Xi es una variable aleatoria independiente de
cualquier otra; es decir:
f(X1) = f(X2) = . . . = f(Xn) = f(X)
E(X1) = E(X2) = . . . = E(Xn) = E(x) = µ
V(X1) = V(X2) = . . . = V(Xn) = V(x) =2

(Es aleatoria si para cada elemento de la muestra se mantiene la

función de probabilidad, la media y la varianza de X )
 UNIVERSIDAD DE LIMA

Estadístico muestral
Estadístico (Estadística)
Un estadístico es una función de las n observaciones de una muestra
aleatoria. No contiene parámetros desconocidos.

Por ejemplo:

Son estadísticos
 Distribución Muestral

Población Variable : x
µ , σ2

𝑥1

Muestra 1 Muestra 2

Para m muestras de tamaño n: ¿Qué distribución sigue ?

 Distribución muestral
 Distribución muestral es la distribución de probabilidad de un
estadístico, construida en base a muestras de tamaño n elegidas
al azar desde una población de interés.

 Un parámetro se estima en base al valor del estadístico para una

muestra y la distribución de probabilidad del estadístico.
 Teorema del Límite Central (TLC)
Si X1, X2,…, Xn es una muestra aleatoria de tamaño n, extraída de una
población donde X tiene media µ y varianza 2, entonces :

Si la variable X tiene distribución normal cuyo valor de  es

desconocido, entonces, la distribución de es:
Aplicación del Teorema central del límite
 Para n>30  

 Para n>30 o n<30:

 
 Importancia del TLC
 La importancia del teorema del límite central es que permite usar
estadísticas de la muestra para realizar inferencias con respecto a
los parámetros de la población sin saber nada sobre la forma de la
distribución de la población.
 Un tamaño de muestra n>30, se considera grande.
 El teorema del límite central permite utilizar las propiedades de la
distribución normal en muchos casos en los que los datos pueden
no estar normalmente distribuidos.
 El hecho de que la distribución de muestreo sea aproximadamente
normal es la base para una amplia variedad de pruebas estadísticas
diferentes.
 Distribución de la Proporción Muestral : p

 Si π es la proporción poblacional con

determinada característica, para estimar π
con una muestra de tamaño n, se utiliza el
estadístico p; donde

conteo
DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAL p
De una v.a X que tiene distribución binomial, se conoce que:
E(X) = nπ ; V(X) = nπ(1-π) siendo π la proporción de éxitos en la población
 

Cuando n >30, la distribución de p es aproximadamente normal; es decir:

 Distribución de la Varianza Muestral s2

 Si X1,X2,…,Xn, es un m.a. extraída de una

población Normal con media µ y varianza σ2,
para la varianza muestral s² se cumple que:
Ejemplo
Un investigador afirma que la varianza de una determinada población, que sigue
una distribución normal, es igual a 21.3. Sin embargo, podría rechazar tal
afirmación si la varianza de una muestra aleatoria de tamaño 15 excede a 39,74.
¿Cuál es la probabilidad de que dicha afirmación sea rechazada?
Solución.- La probabilidad de rechazar la afirmación está dada por:
 RESUMEN DE DISTRIBUCIONES DE ESTADÍSTICOS
ESTADÍSTICO CONDICIÓN DISTRIBUCIÓN (*)
NORMAL

t-STUDENT

NORMAL

jI-CUADRADO

(*) ver detalle en formulario de distribuciones muestrales