DISTRIBUCIONES

MUESTRALES
MUESTRA ALEATORIA SIMPLE
Definición.- Dada una población
f(X) con media µ y varianza δ2 ,
se denomina muestra aleatoria
de tamaño n de esa población a
un conjunto de variables aleato-
rias x1, x2,…, xn tales que :
i) Son independientes.
ii)Cada una de ellas está
distribuida en forma idéntica a
f(x).
Nota.- El proceso de obtener
este tipo de muestra
requiere población infinita o
bien población finita con
reposición de elementos.
TEOREMA DE LIMITE CENTRAL
Si las n variables aleatorias
x1, x2,…, xn tienen la misma
distribución de probabilidad,
con media μ y varianza δ2
entonces la variable aleatoria
yn = x1+x2+…+xn , tiene:

E(yn) =E(x1+x2+…+xn)=nμ= μyn

V(yn) =V(x1+x2+…+xn)=nδ2= δ2yn
Ejemplo.- Sea x1, x2,…, x12 una
muestra aleatoria de tamaño n=12
de una población normal con media
10 y varianza 27.

a)Escribir la función de densidad

de probabilidad conjunta de la
muestra.

b)Calcular la probabilidad de
que x1+x2+…+x12 ≤ 147
OBJETIVO DE LA
ESTADISTICA

Uno de los objetivos de la

estadística es conocer acer-
ca del comportamiento de

parámetros poblacionales
tales como:la media , la va-
rianza o la proporción.
Para ello se extrae una
muestra aleatoria de la
población y se calcula el
valor de un estadístico
correspondiente, por
ejemplo la media muestral,
la varianza muestral o la pro-
porción muestral.
El valor del estadístico es
aleatorio por que depende de
los elementos elegidos en la
muestra seleccionada y, por
tanto, el estadístico tiene una
distribución de probabilidad la
cual es llamada la Distribución
Muestral del estadístico.
El estudio de estas
distribuciones es necesario
para entender el proceso de
inferencia estadística.
Utilizar un estadístico muestral
para estimar un parámetro
poblacional, debe examinar toda
posible muestra que pudiera
presentarse. La distribución
muestral es la distribución de los
resultados que se presentan si en
realidad se seleccionaron todas las
muestras posibles.
DISTRIBUCION MUESTRAL

Definición.-Se denomina
distribución muestral a la
distribución de probabilidad de una
estadística.
Calculadas a partir de todas las
posibles muestras de tamaño n,
elegidas al azar de una población
determinada.
Cuando estudiamos una
distribución muestral, estamos
interesados en conocer las
siguientes características:

a)su forma funcional

(representación gráfica de su
función densidad ).
b)su media.
c)su varianza y desviación
estándar.
Ejemplo.-
Vamos a obtener
experimentalmente la
distribución de las medias
muestrales. Para ello
consideremos la siguiente
población:
Se pide:
a) Hallar la distribución de
probabilidad de esta pobla-
ción finita de tamaño N=4.
b)Calcular µ y δ2 de la pobla-
ción.
c)Formar todas las muestra
de tamaño 2, que se extraen
con reemplazamiento, de la
población.
d)Calcular la media de cada
muestra.
e)Determinar la distribución
de probabilidad de la media
muestral.
f)Calcular la media y la va-
rianza de la media
muestral.
DISTRIBUCIÓN MUESTRAL
DE LA MEDIA MUESTRAL
Teorema.- Sea x1, x2,…, xn
una muestra aleatoria de
tamaño n extraida de una
población f(x) con media µ
y varianza δ2.Si  es la media
muestral, entonces
a) E() = µ b) v()=(1/n) δ2
c)Para n suficientemente
grande, la variable aleatoria
Corolario.- Si x1, x2,…, xn es
una muestra aleatoria
extraida de una población
normal con media µ y
varianza δ .Si  es la media
2

muestral, entonces

para cualquier tamaño de

muestra n≥2.
Teorema.- Sea x1, x2,…, xn
una muestra aleatoria de
tamaño n extraida,sin reem-
plazamiento de una
pobla- población
finita de tamaño N con
media µ y varianza finita
δ .Si  es la media muestral,
2

entonces
a) E() = µ
Corolario.- Si x1, x2,…, xn es
una muestra aleatoria
extraida, sin reemplazamien-
to de una población normal
finita de tamaño N, con
media µ y varianza δ2 .Si  es
la media muestral,entonces

≈N(µ ,((1/n)δ2((N-n)/(N-1))
FACTOR DE CORRECCION
EN POBLACIONES FINITAS
Si el muestreo se hace sin
reemplazamiento y en una
población finita de tamaño
N, las variables x1, x2,…, xn no
son independientes y tenemos
a) E() = µ
b) v()=(1/n) δ2 ((N-n)/(N-1))
EJEMPLO.- Dada una
población distribuida
nornalmente con una media
de 100 y una desviación
estándar de 20, encuentre
las siguientes probabilidades
para una muestra de tamaño
16: a) P(  ≥ 100)
b) P( 96 ≤  ≤ 108 )
c) P(  ≤ 110 )
 DISTRIBUCION MUESTRAL DE LA

PROPORCION

Definición.- Sea x1, x2,…, xn una m.a. de

tamaño n extraida de la población de
Bernoulli (1,p), y sea Sn = que
denota el número total de elementos
portadores de la característica de interés en
la muestra, donde Sn ~ B(n,p) y sea þ = Sn la
n
proporción de portadores de la característica
Teorema.- Sea x1, x2,…, xn una m.a. de
tamaño n extraida de la población de
Bernoulli ( 1 , p), y sea þ = Sn/n la
proporción muestral.

a)Si el muestreo se hace con

reemplazamiento de una población
finita o sin reemplazo de una población
infinita y n es suficientemente grande
entonces þ ~ N ( p, pq/n )
b)Si el muestreo se hace sin
reemplazamiento de una población
finita de tamaño N y n grande, entonces
þ ~ N ( p, (pq/n) (N-n)/(N-1) )
Ejemplo.- Suponga que el 40% de
los votos de los electores de una
ciudad favorecen al candidato A.
Si se selecciona una muestra
aleatoria de 600 electores de la
ciudad, ¿ Cuál es la probabilidad de
que la proporción muestral de
votos a favor de A esté entre 37% y
45% ?