Distribución de Estadísticos Muestrales

Introducción
El objetivo del muestreo es inferir propiedades de una población a partir de una fracción de ella,
conocida como muestra. Desde el punto de vista estadístico, lo que se pretende conocer son los
parámetros de la distribución de la variable de interés. El muestreo tiene por objeto proveer
información de esa distribución. Luego, los estadísticos muestrales sirven como aproximación
(estimación) de los parámetros que caracterizan a la distribución. Por otra parte, los estadísticos
son variables aleatorias y como tales, tienen una distribución asociada. Los objetivos de este
capítulo son: comprender la naturaleza aleatoria de los estadísticos muestrales, estudiar las
propiedades estadísticas de la media y varianza muestrales y adquirir destrezas en el cálculo de
probabilidades asociadas a estos estadísticos.
Distribución del estadístico media muestral
Dado que la media muestral es una variable aleatoria (note que su valor varía de muestra a nuestra),
nos interesa conocer su distribución. Cuando se estudian las distribuciones de los estadísticos
muestrales se hace desde un punto de vista teórico, suponiendo poblaciones de tamaño infinito. Si
se quieren observar estas propiedades partiendo de poblaciones finitas, a través de simulación, se
recurre a la técnica de muestreo con reposición porque de esa forma se emula una población de
tamaño infinito.

DISTRIBUCIÓN DE LA MEDIA MUESTRAL

a) Si asumimos que X → N (µ, σ), σ → conocida

Las (infinitas) medias muéstrales obtenidas con muestras de tamaño n se distribuyen

según una distribución normal (campana de Gauss):

X 
X  N ( , X )  Z   N (0,1)
X
Donde:  X es el error típico o desviación estándar de la media muestral.
b) Si asumimos que X → N (µ, σ), σ desconocida

Las (infinitas) medias muéstrales obtenidas con muestras de tamaño n se distribuyen

según una distribución t-student con n-1 grados de libertad (gl)
X 
X  N ( , sX )  T   tn 1
sX
Donde: S X es el error típico o desviación estándar de la media muestral.

Nota: (Error estándar o Error típico de la media)

   conocida
x   Tamaño de población (N) demasiado grande o
n infinita.
 N n   conocida
x   Tamaño de población (N) conocido o finita.
n N 1
S   desconocida, entonces   S
Sx   Tamaño de población (N) demasiado grande o
n
infinita.
 S N n   desconocida, entonces   S
Sx   Tamaño de población (N) conocida o finita.
n N 1
Ejemplo:
Considérese la variable peso de 100 semillas de una variedad de maíz. Para esta variable
desconocemos la varianza aunque se puede suponer normalidad. El problema ahora es saber, para
muestras de 5 paquetes de 100 semillas ¿cuál es la probabilidad de que la media muestral de los 5

paquetes sea menor de 38gr. si se supone que la esperanza de la distribución μ es 39gr.? Este

ejemplo podría corresponder a la inquietud de un ente fiscalizador que desea saber cuál es el riesgo
de que un lote bueno sea mal clasificado si se utiliza como criterio el peso promedio de 5 paquetes
de 100 semillas.