DISTRIBUCIONES

MUESTRALES
 INTRODUCCIÓN
El tema principal de esta unidad trata acerca de las distribuciones
muestrales. Es necesario destacar la importancia de un entendimiento
claro de estas distribuciones, ya que este concepto es la clave para
comprender la inferencia estadística. Las distribuciones de probabilidad
sirven para dos propósitos: 1) permiten responder preguntas de
probabilidad acerca de estadísticas muestrales y 2) proporcionan la
teoría necesaria para hacer válidos los procedimientos de inferencia
estadística. En esta unidad se utiliza la distribución muestral para
contestar preguntas de probabilidad acerca de la estadística muestral.
Se debe recordar que en el curso de Bioestadística I se dijo que la
estadística muestral es una medida descriptiva, como la media, la
mediana, la variancia o la desviación estándar que se calcula a partir de
los datos de la muestra.
 DEFINICIÓN
La distribución de todos los valores
posibles que puede asumir una
estadística, calculados a partir de
muestras del mismo tamaño,
seleccionadas aleatoriamente de la
misma población, se llama distribución
muestral de esa estadística.
 ELABORACIÓN
Las distribuciones muestrales pueden construirse empíricamente a partir
de poblaciones finitas y discretas. Para ello, se procede como sigue:

1. De una población finita de tamaño N, se extraen de manera aleatoria

todas las muestras posibles de tamaño n.
2. Se calcula Ia estadística de interés para cada muestra.
3. Se ordenan en una columna los distintos valores observados de la
estadística y, en otra columna, las frecuencias de ocurrencia
correspondientes de cada valor observado.
Elaborar la distribución muestral es una tarea formidable si la población
es de un tamaño muy grande, e imposible si la poblaci6n es infinita. En
ultimo caso, es posible obtener aproximaciones de las distribuciones
muestrales tomando un gran numero de muestras de un tamaño dado.
 CARACTERÍSTICAS
Normalmente, para una distribución muestral se tiene interés en conocer
tres cosas: media, variancia y forma funcional (apariencia gráfica).
Es bien conocida la dificultad que existe para elaborar una distribución
muestral de acuerdo con el procedimiento anterior cuando la población
es muy grande. También constituye un problema cuando la población es
infinita. En este caso, lo mejor que se puede hacer de manera
experimental es aproximar la distribución muestral de la estadística.
Ambos problemas pueden evitarse por medio de las matemáticas.
Aunque los procedimientos que intervienen no son compatibles con el
nivel matemático de este curso, las distribuciones muestrales pueden
deducirse matemáticamente.
 Distribución de x-bar
• Población de un grupo de estudio
• Tamaño de la Población
B C
• N=4
• Variable aleatoria X
• Edad de las personas
• Valores de X
• 18, 20, 22, 24 Años
D
A
 Edad Probabilidad
18 0.25
20 0.25
22 0.25
24 0.25
VARIABLE
PROBABILIDAD
ALEATORIA

• Variable Aleatoria: Variable X = Edad de las personas

• Valores de la Variable X x (18, 20, 22, 24).
• P(X=x) o f(x)  Probabilidad de que la V.A. X tome el valor x
• P(X=18) = 0.25 f(18) = 0.25
• P(X=20) = 0.25 f(20) = 0.25
• P(X=22) = 0.25 f(22) = 0.25
• P(X=24) = 0.25 f(24) = 0.25
 Distribuciones de Muestreo

Parámetros de la Población Distribución Uniforme

N

X i
P(X)
 i 1 .3
N
.2
18  20  22  24
  21 .1
4
N 0
 X 
2
i A B C D X
  i 1
 2.236 (18) (20) (22) (24)
N
 Distribuciones de Muestreo
Todas las muestras posibles de tamaño n=2
Media de cada
1a 2da Observación muestra
Obs 18 20 22 24 1a 2da Observación
18 18,18 18,20 18,22 18,24 Obs 18 20 22 24
20 20,18 20,20 20,22 20,24 18 18 19 20 21
22 22,18 22,20 22,22 22,24 20 19 20 21 22
24 24,18 24,20 24,22 24,24 22 20 21 22 23

16 Muestras CON 24 21 22 23 24
reemplazo
MsC. Carlos Alfonso Risco Dávila
Distribuciones de Muestreo

Variable Frecuencia Probabilidad

18 1 0.0625
19 2 0.125
20 3 0.1875
21 4 0.25
22 3 0.1875
23 2 0.125
24 1 0.0625
16

Dr. Carlos Alfonso Risco Dávila

 Distribuciones de Muestreo
Distribución de las Medias de las Muestras

16 Medias de Muestras Distribución de las

medias de las
1a 2da Observación muestras
Obs 18 20 22 24 P X 
.3
18 18 19 20 21
.2
20 19 20 21 22
.1
22 20 21 22 23
24 21 22 23 24
0
18 19 20 21 22 23 24 X
 Distribuciones de Muestreo

Parámetros de la Distribución de Muestreo

N

X i
18  19  19   24
X  i 1
  21
N 16
N

 X  X 
2
i
X  i 1

N
18  21  19  21    24  21
2 2 2

  1.58
16
 Comparación de la Población con la
Distribución de Muestreo
Población Distribución de Muestreo
N=4 n=2
  21   2.236  X  21  X  1.58
P X  P X  (Error Estándar)
.3 .3

.2 .2
.1 .1

0 0
A B C D 18 19 20 21 22 23 24
X X
(18) (20) (22) (24)
 Comparación de la Población con la
Distribución de Muestreo

Población 

Dr. Carlos Alfonso Risco Dávila

 Comparación de la Población con la
Distribución de Muestreo
Distribución de Muestreo

Población 
x x


x x
 Comparación de la Población con la
Distribución de Muestreo
Distribución de las muestras

Población 
x x


x x

Distribución de Muestreo
x
de la Media

x
 Propiedades de la
Distribución de Muestreo
• La media de la distribución de muestreo es igual a la
media de la población

x  
 El error estándar de la distribución de
muestreo es igual a la desviación estándar de
la población entre la raíz cuadrada de n

x
n
Propiedades de la
Distribución de Muestreo
f X 
No Sesgada

 x X
Menor Dispersión

f X 
Distribución
de la
Población Distribución
de la Media

 X
Efecto de muestras más grandes

f X 
Muestra de
mayor
tamaño


Muestra de
menor x
tamaño n

 X
 Poblaciones No Normales
Tendencia Central Dispersión

x   x
n
Distribución de la Población Distribución de Muestreo

n4 n  30
  10 X 5  X  1.8

  50  X  50 X
Teorema del Límite Central
Conforme se La distribución
incrementa de muestreo
el tamaño de de la media se
la muestra aproxima a la
normal.

X
 Muestreo de Poblaciones Normales
Tendencia Central Dispersión
x   
x
n
Distribución de la Población Distribución de Muestreo

  10 n4 n  16
X 5  X  2.5

  50  X  50 X
MsC. Carlos Alfonso Risco Dávila
Tamaño de las muestras
• Para la mayoría de las distribuciones,
n  30
• Para distribuciones casi simétricas, n>15
• Para la población distribuida normalmente, la distribución de
muestreo de la media siempre está normalmente distribuida.
Multiplicador de población finita
n
Cuando f   0.05
N


N n
x *
n N 1

Dr. Carlos Alfonso Risco Dávila

Ejercicios:
1. Suponga que en una población grande de seres humanos, la dimensión
del diámetro craneal sigue una distribución aproximadamente normal, con
una media de 185.6 mm. y una desviación estándar de 12.7 mm. ¿Cuál es
la probabilidad de que una muestra aleatoria de tamaño 10 de esta
población tenga una media mayor que 190?

2. Si la media y desviación estándar de la concentración de hierro en el

suero en hombres sanos es de 120 y 15 microgramos por cada 100 ml,
respectivamente, ¿cuál es la probabilidad de que una muestra aleatoria de
50 hombres normales tenga una media entre 115 y 125 microgramos por
cada 100 ml?