Unidad 4: Distribuciones fundamentales de muestreo

Poblacin: Conjunto total de elementos en discusin y sobre los cuales se quiere tener
alguna informacin.

Muestra aleatoria: Una muestra aleatoria de tamao n de una poblacin con funcin
de densidad de probabilidad f es un conjunto de n variables aleatorias independientes,
cada una con idntica distribucin de la poblacin IID, es decir, que tienen la misma
funcin de probabilidad.
Simblicamente esto se indica:

X 1 , X 2 , , X nIDD f X ( x ;)
Donde
las

indica el o los parmetros poblacionales y

x son las n observaciones de

X i variables aleatorias.

De acuerdo con las propiedades de las distribuciones de probabilidad conjunta, para n

variables aleatorias independientes la funcin de probabilidad conjunta viene dada por:

f ( x 1 , x 2 , , x n ; )=g ( X 1 ) . h ( X 2) k (X n )

Parmetro: Un parmetro es una caracterizacin numrica de la distribucin de la

poblacin de manera que describe, parcial o completamente, la funcin de densidad de
probabilidad de la caracterstica de inters. En consecuencia un parmetro es un
nmero, y se simboliza con la letra

Estadstico: Un estadstico es cualquier funcin de las variables aleatorias que se

observan en la muestra de manera que esta funcin no contiene cantidades
desconocidas. En consecuencia, un estadstico es, por ser funcin de v.a., otra variable
aleatoria. Se simboliza con la letra

^
T ==l(
X 1, X2 , , Xn)
Ejemplo de estadstico:

^ 1=X 1 . X 2=l(X 1 , X 2 , , X n)
T 1 =
t 1 =^ 1=x 1 . x 2=l( x 1 , x 2 , , x n)

es un estadstico
es un valor observado del estadstico, o un valor
puntual del estadstico T1

Distribucin muestral: La distribucin de muestreo de un estadstico

es la

distribucin de probabilidad que puede obtenerse como resultado de un nmero infinito

de muestras aleatorias independientes, cada una de tamao n, provenientes de la
poblacin de inters.

Estadsticos particulares y sus distribuciones muestrales

Distribucion de muestreo de la media muestral:
El promedio de las variables de la muestra es un estadstico, llamado media muestral.
Media muestral:
Si

X 1 , X 2 , X n representan una muestra aleatoria de tamao n, entonces la media de la

muestra se define mediante la estadstica:

n

1
X = X i
n i=1

Propiedad reproductiva de la distribucin normal:

Sean

X 1 , X 2 , X n variables aleatorias, cada una con distribucin normal, con media

i y varianza i2 respectivamente.
Entonces la variable aleatoria

Y =a1 X 1+ a2 X 2+ +a n X n tiene distribucin normal siendo

su media:

Y =a1 1 +a2 2+ +a n n
Y su varianza:

Y 2=a 12 12 +a22 22 ++ an2 n2

En el caso de la media muestral

a1=a2==a n=

1
n

Si se toma una muestra aleatoria de n observaciones de una poblacin normal con media y
varianza 2, cada observacin

X i (i=1, 2, 3, , n) tendr entonces la misma distribucin

normal que la poblacin que se muestrea. Por propiedad reproductiva de la distribucin normal
se concluye que:
n

X = X i=
i=1

X 1 + X 2+ + X n
n

Tiene distribucin normal, con media:

 X =

+ + + n
= =
n
n

Y varianza:
2

X =

2 + 2 ++ 2 n 2 2
= 2 =
2
n
n
n

De manera que:

X N ( X , X )

X N ,
n

Por lo que si defino a Z como:

Z=

Esta sigue una distribucin normal:

Z N (0,1)
Media de la muestra tomada de una poblacin normal:
Si la muestra proviene de una poblacin con distribucin normal con media

2 , entonces la media muestral

y varianza

tiene distribucin normal y su media y varianza son:

X =

X 2=

2
n

Correccin de la varianza
Si el tamao N de la poblacin es finito, y este nmero no es muy grande con respecto al
tamao n de la muestra (5%), se debe usar la siguiente frmula para corregir la varianza
muestral:

 X 2=

2 N n
n N 1

Teorema del lmite central:

Sea X una variable aleatoria con funcin de densidad con media y varianza 2 finitas, si se
toma una muestra aleatoria de tamao n y se obtiene

X , se puede definir una nueva

variable aleatoria Z como sigue:

Z=

La distribucin de Z tiende a una distribucin normal estndar cuando

es asintticamente normal con media

y varianza

n , es decir,

2
n .

Este teorema se puede aplicar a una muestra aleatoria de cualquier distribucin, siempre que y
2 sean finitos y el tamao de la muestra sea grande. En general la aproximacin es buena si

n 30 .
Resumiendo:
-

Si la distribucin de X es normal, la distribucin de la media muestral ser normal,

cualquiera sea n (propiedad reproductiva de la distribucin normal).

Si

n 30 , la distribucin de la media muestral se puede tratar como normal,

cualquiera sea la distribucin de X (teorema del lmite central).

-

Si

n<30 , la distribucin de la media muestral ser normal, solo si la distribucin de

X es normal.

Diferencia de medias muestrales:

Sean

X1 y

con medias

X 2 variables aleatorias independientes que representan poblacin normales

1 y

y desviaciones estndar finitas

se toman muestras de tamao

de ellas se puede definir

n1 y n2

X 1 X 2

X 1 N ( 1 , 12 ) X 2 N ( 2 , 22 )

y se obtienen

1 y 2 respectivamente. Si
X 1 y

X 2 , entonces a partir

) (

X 1 N 1 , 1 X 2 N 2 , 2
n1
n2

X 1 X 2 N 12 , 1 + 2
n1 n 2

Z=

X 1 X 2(12 )

12 2 2
+
n1 n2

N (0,1)

La distribucin de Z tiende a la distribucin normal estndar cuando

Distribucin de muestreo de la varianza muestral

Teorema: Si

X 1 , X 2 , X n son n variables aleatorias independientes con distribucin ji-

cuadrado con

v 1 , v 2 , v n grados de libertad respectivamente, entonces la variable

aleatoria

Y = X 1+ X 2 ++ X n tiene distribucin ji-cuadrado con v Y =v 1+ v 2 ++ v n grados de

libertad respectivamente.

X 1 , X 2 , X n variables aleatorias con distribucin normal idntica,

Corolario: Sean

X i
Y
=
entonces la variable aleatoria

tiene distribucin ji-cuadrado con

v =n

grados de libertad
n

Y =
i=1

X i

n2

Varianza muestral:

X 1 , X 2 , X n una muestra aleatoria de una poblacin con funcin de densidad de

Sea

probabilidad f, la varianza muestral se define como:

( X i X )

S 2= i=1

n1

DEMOSTRACION QUE NO SE
Si

es la varianza de una muestra aleatoria de tamao n que se toma de una poblacin

normal con varianza

2 entonces la estadstica :

2
n
X i X
S (n1)
=

2
i=1

tiene una distribucin ji-cuadrado con

v =n1 grados de libertad.

es el valor de

2 tal que el rea a la derecha es igual a :

P ( 2 2 ) =

Distribucin t de student
La distribucin t de student es una funcin de probabilidad con forma tipo campana simtrica.
Su aplicacin ms importante se describe a continuacin.
Suponer que se toma una muestra aleatoria de tamao
distribucin normal con media

n<30 de una poblacin con

y varianza desconocida. En este caso ya no se puede usar

la variable aleatoria Z. En su lugar debe usarse otro estadstico denominado t de student.

Este estadstico es til cuando por consideraciones practicas no se puede tomar una muestra
aleatoria grande y se desconoce la varianza poblacional. Pero es necesario que la poblacin en
estudio sea normal.
Distribucin T
Sean

la media y varianza de una muestra aleatoria de tamao

de una poblacin normal con media

y varianza desconocida, entonces la variable

aleatoria

T=

X
S
n

tiene distribucin T con

n<30 tomada

v =n1 grados de libertad