- 34 -

8. DISTRIBUCIONES MUESTRALES
8.1. DISTRIBUCION DE LA MEDIA MUESTRAL
Sea la poblacin X ~ N ( , 2 ) y sea = ( X1 , X2 , X3 , . . . , Xn ) una muestra
aleatoria de dicha poblacin.
Si se desea estimar , pueden darse los siguientes casos:
Caso 1. Que 2 sea conocida.
Entonces por el teorema central del limite, se tiene:

2
X ~ N ,

Caso 2. Que 2 sea desconocida, pero n > 30

Entonces por el teorema central del limite, se tiene:

S2
X ~ N , , donde S2 es una constante, y
n

S2

(X
i 1

X )2

n 1

Caso 3. Que 2 sea desconocida, pero n < 30

Entonces por el teorema central del limite, se tiene:

S2
X ~ N , , donde S2 es una variable aleatoria
n

Entonces,
aleatorias:

estandarizando
X
~t
S

tendremos un cociente de variables

( n- 1 )

n
n

(X

X )2

donde

S2

adems

n 1 2 2
,
S ~ Gamma
, pero
2 n 1

i 1

n 1

(n 1) S 2

8.2.

~ (2n 1)

DISTRIBUCION DE LA VARIANZA MUESTRAL INSESGADA Y DE UNA

FUNCION DE ESTA

Sea la poblacin X ~ N ( , 2 ) y sea = ( X1 , X2 , X3 , . . . , Xn ) una

muestra aleatoria de dicha poblacin.
Si se desea estimar 2 , pueden darse los siguientes casos:
Caso 1. Que sea conocida. Entonces
n

S2

(X
i 1

)2
, y

n 1

n 2 2
S 2 ~ Gamma ,

2 n 1
Si definimos una funcin de S 2 , se tiene :
n

(n 1) S

(X
i 1

)2

Del 2do miembro de la igualdad, se tiene :

2
n
Xi
2

~ (n)

i 1
(n 1) S 2

~ (2n )
2

Caso 2. Que sea desconocida. Entonces

n

S2

(X
i 1

X )2

n 1

n 1 2 2
,
S ~ Gamma

2 n 1
2

Si definimos una funcin de S 2 , se tiene :

n

(n 1) S

(X
i 1

X )2

Del 2do miembro de la igualdad, se tiene :

2
1 n
X X
2 i

i 1

( X
i 1

) ( X )

desarrollando el binomio

- 35 -

( X
i 1

) 2 2( X i )( X ) ( X ) 2

1 n
( X i ) 2 2( X ) ( X i ) n ( X ) 2
2
i 1
i 1

()

En ( ) se tiene :
n

( Xi )
i 1

X
i 1

X
i 1

n X n

reemplazando

expresin , se tiene :

1 n

( X i ) 2 2( X ) n ( X ) n ( X ) 2
2
1

1 n

( X i )2 2 n ( X )2 n ( X )2
2
i 1

1 n

( X i )2 n ( X )2
2
i 1

X
X
= i
n

i 1

2

2
n

X
X
= i
n

i 1

(2n ) 12
y por la propiedad reproductiva

(2n1)

esta

ltima

- 36 -

8.3. DISTRIBUCION DE LA PROPORCION MUESTRAL ( p ) EN POBLACIONES

BERNOULLI, Y MUESTRAS GRANDES ( n 30 )
X ~ Bernoulli(p) y sea = ( X1 , X2 , X3 , . . . , Xn ) una

Sea la poblacin

muestra aleatoria de dicha poblacin.

n

Sea

donde ;

X
i 1

llamada Proporcin Muestral

0 , si tiene no tiene la caracteristica de i n t eres ( fracaso )

Xi
1 , si tiene la caracteristica de int eres ( exito )

Entonces, por el teorema central del limite :

p ~ N E ( p ),V ( p )

donde
n
Xi
E ( p ) E i 1
n

1 n

E Xi
n i 1

1 n
E ( Xi )
n i 1

np
n

n
Xi
V p V i 1
n

1 n

V Xi
2
n
i 1

1
n2

V ( X )
i 1

n pq
n2

pq
n

8.4. DISTRIBUCION DE LA DIFERENCIA DE MEDIAS MUESTRALES X Y PARA

DOS POBLACIONES INDEPENDIENTES

X X1 , X 2 , , X n 1

Y ~ N ( y , y2 ) y sean

X ~ N ( X , x2 ) e

Sean las poblaciones ;

e

Y 1 , Y2 , , y n
2

muestras aleatorias

tomadas de dichas poblaciones respectivamente.

Si se quiere estimar ( X Y ) , pueden darse los siguientes casos :
Caso 1. Si X2 y Y2

son conocidos , con n 1 y n 2 de cualquier tamao.

Entonces por el TCL, se tiene :

2 2
( X Y ) ~ N X Y , X Y
n1
n2

Caso 2. Si X2 y Y2 son desconocidos , pero n 1 y n 2 son

suficientemente

grandes

Entonces por el TCL, se tiene :

S2
S2
( X Y ) ~ N X Y , X Y
n1
n2

Caso 3. Si X2 y Y2 son desconocidos

pero

iguales, adems n 1 y n 2 son

pequeas

Entonces por el TCL, se tiene :

S X2
SY2

( X Y ) ~ N X Y ,
n
n
1
2

( X Y ) ( X Y )
1 1
S p2
n1 n2

donde

pero al estndarizar , se tiene

~ t( n1 n2 2 )

( n1 1) S X2 ( n2 1) SY2
S
n1 n2 2
2
p

- 37 S X2
8.5. DISTRIBUCION DEL COCIENTE DE VARIANZAS MUESTRALES
S Y2

PARA

DOS POBLACIONES INDEPENDIENTES

X X1 , X 2 , , X n 1

Y 1 , Y2 , , y n

tomadas de dichas poblaciones respectivamente.

Si se quiere estimar

S Y2 X2
S X2 Y2

Y ~ N ( y , y2 ) y sean

X ~ N ( X , x2 ) e

Sean las poblaciones ;

X2
se tiene :
Y2
F( n2 1, n1 1 )

muestras aleatorias