Tema 6: Distribuciones Muestrales

El objetivo es efectuar una generalizacin de los resultados de la muestra

a la poblacin. Inferir o adivinar el comportamiento de la poblacin a partir
del conocimiento de una muestra.
Para ello es necesario conocer las distribuciones de probabilidad de ciertas
funciones de las muestras que constituyen variables aleatorias asociadas
al experimento aleatorio, seleccin de una muestra al azar de una poblacin.
Estas variables aleatorias denominadas estadsticos muestrales, porque se
basan en el comportamiento de las muestras, asignan a cada muestra del
espacio muestral, constituido por todas la muestras posibles, un nmero real
que es un resumen estadstico de la muestra. Por ejemplo, media de la
muestra.
El esquema siguiente resume visualmente la situacin: Dada una poblacin
formada por un nmero N grande de elementos, donde se observa la variable
X, se extrae al azar una muestra de tamao n (n<N).
Tanto en la poblacin como en la muestra podemos resumir los valores de la
variable X observada. Los valores resumen se denominan parmetros en la
poblacin y estadsticos en las muestras. Notaremos con U a un estadstico
o resumen muestral determinado.

Distribuciones Muestrales
Poblacin formada por todas las
muestras posibles de tamao n
U variable aleatoria muestral
(Estadsticos de las muestras:
resmenes de los valores de X en
las muestras.)

Poblacin
X variable aleatoria

x7
x20

x2
x15

x8
x4
xj

x1

x1,x2,x3,,xn
x1

x3
x2
x5

x6

Muestra

xi

Resumen de X en la Poblacin:
Parmetros: media, varianza,

Resumen de X en la muestra:
Estadsticos: media, varianza,

U1
x2
x15
x4

U2
x20
x8

x2
xh x4
Uj

x2 x3

xi
Ui

U5

x2
x6

xj

x2
x5
x2

Resumen de los estadsticos muestrales:

media, varianza,

Poblacin formada por todas las

muestras posibles de tamao n
U variable aleatoria media
muestral
(valores de los estadsticos:
medias de las muestras)

Ejemplo: Distribucin muestral de la media

Poblacin
X variable aleatoria
Naturalmente, las medias diferirn,
en general, de una muestra a otra.

x7

x20

x2
x15

Muestra

x8
x4
x1
x1 xj

x4

x3
x2
x5

X1

xj

Xh
Xm

Distribucin de X en la muestra:

x1,x2,x3,,xn
xi

X2

x1,x2,x3,,xn

xi

Xl

xt

Distribucin de X en la Poblacin

La variabilidad de las medias

viene reflejada en su
distribucin de probabilidad

Xl

Xm

Xh

Distribucin muestral de U (medias)

Distribuciones Muestrales
Resumiendo:
Dada una poblacin y el experimento aleatorio consistente en seleccionar una
muestra de dicha poblacin, se define la variable aleatoria U (estadstico muestral)
como una aplicacin que asigna a cada muestra, m, un resumen estadstico
determinado,U(m). Esta nueva variable aleatoria U tiene una distribucin de
probabilidad denominada distribucin muestral de U.

U:E
m=(x1, x2, ,xn)

R
U(m)=estadstico muestral

Su comportamiento depender del que tenga X en la poblacin y del tamao

de las muestras.
Utilidad:
Estaremos interesados en conocer su comportamiento probabilstico, porque esto
nos permitir hacer inferencias acerca del comportamiento de la poblacin.
A veces nos resultar til conocer su esperanza matemtica y/o su varianza.

Distribuciones Muestrales
Casos particulares de distribuciones muestrales:
Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
Normal
X N ( , )
Total muestral
U=total muestral=t : E
m=(x1, x2, ,xn)

R
n

U (m) = t = Xi
i =1

Se verifica que el estadstico muestral t es tambin normal con las siguientes media
y desviacin tpica:
n

t = Xi N (n , n 2 )
i =1

Adems, si el tamao de la muestra es suficientemente grande (n>30), t se

distribuye normalmente, aunque X en la poblacin no sea normal.

Distribuciones Muestrales
Casos particulares de distribuciones muestrales:
Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
Normal
X N ( , )
Media muestral
U=media muestral : E

R
n

U ( m) = X =

m=(x1, x2, ,xn)

Xi
i =1

Se verifica que el estadstico muestral media es tambin normal con las siguientes
media y desviacin tpica:
n

X=

Xi
i =1

N ( ,

Adems, si el tamao de la muestra es suficientemente grande (n>30), se

distribuye normalmente, aunque X en la poblacin no sea normal.

Distribuciones Muestrales
Casos particulares de distribuciones muestrales:
Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
Normal
X N ( , )
Estadstico cuasivarianza muestral
R

U=S2 : E

S2 =

m=(x1, x2, ,xn)

(X
i =1

X )2

n 1

Estadstico Uchi muestral

R

Uchi : E

Uchi(m) =

m=(x1, x2, ,xn)

Observa que esta nueva

variable se ha obtenido a partir
de la anterior (S2)
multiplicando por la constante
(n-1)/ 2
Esta transformacin permite
conocer su comportamiento
probabilstico

(n 1) S 2

Se verifica que el estadstico muestral Uchi sigue un modelo Chi-cuadrado con

n-1 grados de libertad
U chi =

(n 1) S 2

n21

Distribuciones Muestrales
Casos particulares de distribuciones muestrales:
Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
Normal
X N ( , )
Estadstico Ut,v (funcin de los estadsticos media y cuasivarianza)
R
Ut,v : E
m=(x1, x2, ,xn)

U t ,

X
=
S
n

Observa que esta nueva

variable se ha obtenido a partir
de los estadsticos media y
cuasidesviacin tpica (S)
Esta transformacin permite
conocer su comportamiento
probabilstico

Se verifica que el estadstico muestral Ut,v sigue un modelo t de Student con

n-1 grados de libertad
U t , =

( X )
t n 1
S
n

Distribuciones Muestrales
Casos particulares de distribuciones muestrales:
Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
una Bernoulli:
X=0 con probabilidad q=P(fracaso) y X=1 con probabilidad p=P(xito)
Se sabe que E(X)=p y V(X)=pq
Estadstico Ut=t=total de xitos en la muestra
Ut : E

R
n

m=(x1, x2, ,xn)

Ut = t = Xi
i =1

Observa que esta variable

refleja el total de xitos (1s)
en la muestra entre el total de
selecciones n. Es un caso
particular de total muestral t,
ya visto. Observa que es
tambin la variable binomial

Se verifica que el estadstico muestral Ut sigue un modelo Binomial

Ut B (n, p )

E(Ut)=np
V(Ut)=npq
Para tamaos de muestra suficientemente grandes se aproxima a una normal

Distribuciones Muestrales
Casos particulares de distribuciones muestrales:
Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
una Bernoulli:
X=0 con probabilidad q=P(fracaso) y X=1 con probabilidad p=P(xito)
Se sabe que E(X)=p y V(X)=pq
Estadstico Up=proporcin de xitos en la muestra
R

Up : E

Ut
Up =
=
n

m=(x1, x2, ,xn)

Xi
i =1

= proporcin de xitos

Si el tamao de muestra es suficientemente grande (n>30)

se verifica que el estadstico muestral Up sigue un modelo normal
Up N ( p,

pq
)
n

Observa que esta variable

refleja la proporcin de xitos
(1s) en la muestra entre el
total de selecciones n. Es un
caso particular de media
muestral , ya visto.

Ejemplo simple de simulacin del proceso de generacin de una Distribucin Muestral

de la Media

Supondremos una poblacin formada por solo N=3 elementos. Por ejemplo 3 nios.
Se observa la variable X=edad. Consideremos la seleccin con reemplazamiento de
todas las muestras posibles de tamao n=2.
Poblacin nios: {A, B, C} Edad: 2, 3 y 4 aos respectivamente.
El espacio muestral formado por todas las muestras posibles
E={AA, AB, AC, BA, BB, BC, CA, CB, CC}

Estadstico muestral U=media muestral

U=media muestral : E

R
n

m=(x1, x2, ,xn)

U ( m) = X =

Xi
i =1

Ejemplo simple de simulacin del proceso de generacin de una Distribucin Muestral

de la Media (continuacin)

U=media muestral : E
(AA)
(AB)
(AC)
(BA)
(BB)
(BC)
(CA)
(CB)
(CC)

2+2
X=
=2
2

X=

2+3
= 2,5
2

X=

2+4
=3
2

X=

2+3
= 2,5
2

X=

3+3
=3
2

X=

3+ 4
= 3,5
2

2+4
=3
2
3+ 4
= 3,5
X=
2

X=

X=

4+4
=4
2

Ejemplo simple de simulacin del proceso de generacin de una Distribucin Muestral

de la Media (continuacin)

Distribucin muestral de la media

Distribucin de X=Edad en la poblacin

U=media

P(U)

1/9

X=Edad

P(X)

2,5

2/9

1/3

3/9

1/3

3,5

2/9

1/3

1/9

E(X)=3
Varianza(X)=2/3
Comprueba que la esperanza de X en la poblacin coincide con la esperanza
de la variable media muestral, U, y que la varianza de U es igual al cociente entre la
Varianza de X y el tamao de la muestra (2).

Ejemplo: Distribucin Muestral de la Media

Observa que en la prctica se selecciona una muestra de la poblacin y se efecta

un resumen de dicha muestra mediante el clculo de un estadstico muestral que
nos interese. Por ejemplo media de la muestra, desviacin tpica, mediana, etc.
Si conociramos el comportamiento que tienen todos los posibles valores del estadstico muestral que nos interesa (su modelo de probabilidad), podramos saber
qu probabilidad hay de que el valor de nuestra muestra est comprendida en un
determinado intervalo.
Ejemplo:
Se ha seleccionado una muestra al azar de 50 mujeres de una poblacin de mayores
de 18 aos. Se desconoce la talla media de la poblacin, pero en la muestra se ha
observado que la media de las 50 tallas es 1,60 m. Si se sabe por otros estudios que
la desviacin tpica en la poblacin es de 3 ,3 cm, determina la probabilidad de que la
media de la poblacin no difiere en ms de 1 cm de la de la muestra.

Ejemplo: Distribucin Muestral de la Media

Ejemplo (continuacin):
Se sabe que para tamaos de muestra grandes la media muestral se distribuye
segn un modelo normal.
n

X=

Xi
i =1

N ( ,

Sustituyendo

X N ( ,

3,3
) N ( , 0,4667)
50

P(| X |) < 1) = P ( 1 X + 1)
= P(

1
1
Z
) = P(2,14 Z 2,14)
0,4667
0,4667

X
1 cm

Ejemplo: Distribucin Muestral de la Media

Ejemplo 2
Se sabe que los pesos de los paquetes de cierto artculo en una cadena de
produccin se distribuyen normalmente con media 500 gr y desviacin tpica 10 gr
Se selecciona una muestra de 100 paquetes de la produccin y se observa que la
media de stos es de 530 gr es coherente este resultado con la hiptesis de que
se distribuyen normalmente con media y desviacin tpica 500 y 10, respectivamente.
Si la hiptesis
X N (500,

X N ( = 500, = 10) fuese cierta, entonces habr que admitir

10
) N (500, 1)
100

La probabilidad de observar un suceso tan extremo

o ms (530 gr) es igual a
P( X 530) = P ( Z

= 500

530 ( X 530)

530 500
) = P ( Z 30) = 0
1

Ejemplo: Distribucin Muestral de la Media

Ejemplo 3
Se sabe que los pesos de los paquetes de cierto artculo en una cadena de
produccin se distribuyen normalmente con media 500 gr y desviacin tpica 10 gr
Se seleccionan muestras de 10, 50 y 100 paquetes de la produccin.
Determina la desviacin tpica de la media muestral para cada uno de estos 3 casos.

X N ( = 500, = 10)

Observa que la
variabilidad de la
distribucin
muestral se
reduce cuando
aumenta n

Caso n=10

X N (500,

10
) N (500, 3,16)
10

Caso n=50

Caso n=50

X N (500,

10
) N (500, 1,41)
50

Caso n=10

= 500

Caso n=100

X N (500,

Caso n=100

10
) N (500, 1)
100

Ejemplo: Distribucin Muestral de la Media

Ejemplo 4
En unas elecciones un determinado candidato asegura que tiene ganados
al menos el 50% de los votos. En un sondeo previo a las elecciones se obtuvo una
muestra de 500 votantes y 160 se mostraron favorables al candidato es coherente
con la hiptesis del candidato el resultado obtenido en la muestra?
Si la hiptesis X B (1, p = 0,5) fuese cierta, entonces habra que admitir
que la proporcin muestral se distribuye segn
Up N ( p,

0,5 0,5
pq
) N (0,5, 0,1118)
) N (0,5,
500
n

La probabilidad de observar un suceso tan extremo o ms al obtenido

Up=160/500=0,32 es
P (U p 0,32) = P ( Z

0,32 0,5
) = P ( Z 16,1) = 0
0,1118

(Up 0,32)

0,32

p = 0,5

Up