ALGUNAS DISTRIBUCIONES MUESTRALES

La relacin entre la poblacin y la muestra se puede considerar desde dos puntos

diferentes:
1. Conocida la poblacin, qu nos dice ella acerca del comportamiento de las
muestras procedentes de esa poblacin?
2. Qu nos dicen las muestras acerca de la poblacin de donde provienen?
En este captulo se considera el primer punto.

ESTADSTICA MUESTRAL (O ESTADSTICOS)

Es una medida descriptiva como la media ( ), la varianza ( ) o la desviacin estndar (s),
que se calcula a partir de los datos de la muestra.

DISTRIBUCIN MUESTRAL DE UNA ESTADSTICA

Como se vi en la unidad anterior toda variable aleatoria tiene una distribucin de
probabilidades. Los estadsticos tambin son variables aleatorias y sus distribuciones se
llaman distribuciones muestrales. Especficamente,
La distribucin muestral de una estadstica es la distribucin de todos los valores posibles
que puede asumir esa estadstica, calculados a partir de muestras del mismo tamao,
seleccionadas aleatoriamente de la misma poblacin.

Caractersticas importantes de una distribucin muestral

Generalmente para una distribucin muestral se tiene inters en conocer tres cosas:
media, varianza y forma funcional (apariencia grfica)
Cmo se elaboran estas distribuciones muestrales?

Si la poblacin no es muy grande, es finita y discreta es posible obtener la

distribucin muestral de un estadstico de forma emprica. Para ello se procede de
la siguiente forma:
1. De una poblacin finita de tamao N se extraen de manera aleatoria todas las
muestras posibles de tamao n
2. Se calcula la estadstica de inters para cada muestra
3. Se ordenan en una columna los distintos valores observados de la estadstica y
en otra columna las frecuencias de ocurrencia correspondientes de cada valor
observado.

Si la poblacin es muy grande, puede ser difcil derivar la distribucin muestral a

partir del procedimiento anterior, y puede ser imposible si nuestra poblacin es
infinita. Sin embargo imponiendo ciertas condiciones sobre la poblacin el
procedimiento para obtener la distribucin muestral se puede simplificar.

EJEMPLO. Poblacin Finita (Bioestadstica de Daniel)

Considere una poblacin de tamao N = 5, la cual se compone de las edades de cinco
nios que son pacientes externos de una clnica de salud mental. Las edades son las
siguientes:

Entonces la media para esa poblacin es

=10 (Media Poblacional)

La varianza para esa poblacin es

(Varianza Poblacional)

En la siguiente tabla aparecen todas las muestras posibles de tamao n = 2 de esa

poblacin. Las medias de cada muestra aparecen entre parntesis.

6
8
Primera
Seleccin

10
12
14

6
6,6
(6)
8,6
(7)
10 , 6
(8)
12 , 6
(9)
14 , 6
(10)

Segunda Seleccin
8
10
6,8
6 , 10
(7)
(8)
8,8
8 , 10
(8)
(9)
10 , 8
10 , 10
(9)
(10)
12 , 8
12 , 10
(10)
(11)
14 , 8
14 , 10
(11)
(12)

12
6 , 12
(9)
8 ,12
(10)
10 , 12
(11)
12 ,12
(12)
14 , 12
(13)

14
6 , 14
(10)
8 , 14
(11)
10 , 14
(12)
12 , 14
(13)
14 , 14
(14)

A continuacin se elabora la distribucin muestral de la media muestral con base en las

muestras de tamao n = 2 seleccionadas de la poblacin.
La distribucin muestral de se construye listando de forma ordenada los diferentes
valores de en una columna y sus frecuencias de ocurrencia en otra columna.

Frecuencia

6
7
8
9
10
11
12
13
14
Total

1
2
3
4
5
4
3
2
1
25

Frecuencia
Relativa
1/25
2/25
3/25
4/25
5/25
4/25
3/25
2/25
1/25
25/25

Como se mencion anteriormente nuestro inters radica principalmente en tres

caractersticas de la distribucin muestral: su forma funcional, la media y la varianza.
A continuacin se consideran estas tres caractersticas para la distribucin de la media
muestral .
1. Forma funcional

2. La media. La media de la distribucin muestral se representa por

sumando las 25 medias de la muestra y dividiendo entre 25:

y se obtiene

Note que el valor de esta media es igual al valor de la media poblacional.

3. La varianza. La varianza de la distribucin muestral se representa por
dada por

y est

Note que el valor de esta varianza no es igual al valor de la varianza de la

poblacin, pero si es igual a la varianza de la poblacin dividida entre el tamao de
la muestra utilizada para obtener la distribucin muestral:

A la raz cuadrada de la varianza de la distribucin muestral se le llama error estndar:

POBLACIONES MUY GRANDES O INFINITAS

Para derivar la distribucin muestral de un estadstico en el caso de poblaciones muy
grandes se deben imponer ciertas condiciones sobre las poblaciones.
1. DISTRIBUCIN DE LA MEDIA MUESTRAL
Caso I: Muestreo a partir de una poblacin que sigue una distribucin normal con media
y varianza
conocidas.
En este caso la distribucin muestral de es normal,

Ejemplo: Una fbrica produce bombillas elctricas que tienen una vida media
aproximadamente normal con
horas y
horas. Halle la probabilidad de
que:
a. Una bombilla tomada al azar de un lote tenga una vida media menor que 775
horas.
b. Una muestra aleatoria de 16 bombillas tenga una media menor que 775 horas
Caso II: Muestreo a partir de una poblacin que no sigue una distribucin normal
En este caso se utiliza un teorema matemtico conocido como el Teorema del Lmite
Central. Se enuncia a continuacin:
Teorema del Lmite Central
Dada una poblacin de cualquier forma funcional no normal con una media y varianza
finita , la distribucin muestral de , calculada a partir de muestras de tamao n de
dicha poblacin, ser casi normal con media y varianza
cuando la muestra es muy
grande.
Se supone que la aproximacin es buena para

En conclusin: en este caso la distribucin muestral de es aproximadamente normal

con media igual a y varianza igual a
.

2. DISTRIBUCIN MUESTRAL DE LA DIFERENCIA DE MEDIAS

Suponga dos poblaciones normales una con media y varianza
y la otra con media
y varianza . Se extraen muestras de tamao n1 de la primera poblacin y se calculan las
medias . Independientemente se extraen muestras de tamao n2 de la segunda
poblacin y se calculan las medias muestrales .
es
Entonces la distribucin de probabilidad de

3. DISTRIBUCIN DE LA PROPORCIN MUESTRAL

Considere una poblacin Binomial en donde la probabilidad de xito p es conocida.
Suponga que se selecciona una muestra de tamao n. Entonces la distribucin de la
proporcin muestral es aproximadamente normal cuando n es grande. Este es un caso
particular del Teorema del Lmite Central y se puede escribir como:

, cuando n es grande.

La aproximacin puede mejorar usando la correccin por continuidad que para un n dado
es igual (1/2n). un n grande para la distribucin Binomial es generalmente
.
Ejemplo.

4. DISTRIBUCIN DE LA VARIANZA MUESTRAL

Considere una poblacin normal con media
y varianza . Suponga que se extraen
muestras de tamao n de esta poblacin y se calculan sus varianzas. La distribucin
muestral de
es difcil de calcular. Sin embargo, la cantidad
tiene una
distribucin conocida como distribucin ji-cuadrada ( ) con (n-1) grados de libertad.

5. DISTRIBUCIN MUESTRAL DE LA RAZN DE VARIANZAS

Suponga dos poblaciones normales una con media y varianza
y la otra con media
y varianza . Se extraen muestras de tamao n1 de la primera poblacin y se calculan las
varianzas . Independientemente se extraen muestras de tamao n 2 de la segunda
poblacin y se calculan las varianzas muestrales .
Una forma de comparar la variabilidad de dos poblaciones es analizando la razn
La distribucin de esta cantidad es difcil de hallar pero la cantidad,

sigue una distribucin conocida como distribucin F. Esta distribucin depende de dos
valores: (n1-1) y (n2-1), llamados grados de libertad del numerador y grados de libertad del
numerador, respectivamente.
6. DISTRIBUCIN t DE STUDENT
Suponga que se tiene una poblacin normal con media
y varianza
Cuando la muestra es pequea (n < 30), entonces la cantidad

desconocida.

tiene una distribucin llamada t de Student con frecuencia abreviada como distribucin t.
Esta distribucin depende de un parmetro llamado nmero de grados de libertad.