APLICACIONES DE LAS DISTRIBUCIONES FUNDAMENTALES PARA EL

MUESTREO

INTRODUCCIN

La comprensin del concepto de la distribucin de muestreo es fundamental para el

correcto entendimiento de la inferencia estadstica. Una distribucin de la poblacin es la
distribucin de la totalidad de las medidas individuales de una poblacin, en tanto que una
distribucin muestral es la distribucin de los valores individuales incluidos en una
muestra.
En contraste con estas distribuciones de medidas individuales, una distribucin de
muestreo se refiere a la distribucin de los diferentes valores que una estadstica
muestral, o estimador, podra adoptar en muchas muestras del mismo tamao.
As, aunque por lo general disponemos nicamente de una muestra aleatoria o subgrupo
racional, reconocemos que la estadstica muestral particular que determinamos, como la
media o mediana de la muestra, no es exactamente igual al respectivo parmetro de la
poblacin.
Ms an, el valor de una estadstica muestral variar de una muestra a otra, a causa de la
variabilidad del muestreo aleatorio, o error de muestreo. sta es la idea en la que se
apoya el concepto de que toda estadstica muestral es de hecho un tipo de variable cuya
distribucin de valores est representada por una distribucin de muestreo.
Distribucin muestral de medias
Una distribucin muestral de medias o una distribucin en el muestreo de la media se
define como el conjunto de todas las medias que se pueden calcular en todas las
muestras posibles que se pueden extraer, con o sin reemplazo, de una determinada
poblacin. Para detectar las relaciones a que nos hemos referido, partiremos de un
ejemplo con una poblacin pequea
Media
Es el promedio aritmtico de las medias del conjunto de datos; ya sea de la poblacin o
de la muestra.

Tambin habremos de referirnos a la media como el valor esperado de X, y se denotar

con E (X).

Varianza
Es el promedio de la suma de los cuadrados de las desviaciones. Se entiende por
desviacin la diferencia de una media respecto a la media

Como puede verse, la varianza es una medida de dispersin. Indica, en promedio, qu tan
alejados estn los datos respecto de la media.
Desviacin tpica o estndar
Es la raz cuadrada de la varianza.

Por simplicidad, en las expresiones anteriores se acostumbra suprimir el subndice i, as

como los lmites de las sumatorias:

Esquemticamente pueden plantearse algunos de los posibles escenarios que darn

origen a las diversas distribuciones mustrales que despus desarrollaremos.

Una vez esquematizadas las distribuciones de algunos de los principales estadsticos

mustrales pasamos a desarrollar algunas de ellas.

Distribuciones mustrales para una poblacin cualquiera

Si desconocemos la distribucin de la poblacin no podemos, evidentemente, conocer la
distribucin de la muestra genrica de tamao n y, en consecuencia, no podremos llegar a
conocer la distribucin de los estadsticos.
Pero s se podr, en cualquier caso, determinar los principales parmetros (esperanza y
varianza) de las principales distribuciones mustrales (de estadsticos) en funcin de los
parmetros de la distribucin de la poblacin (media poblacional, varianza poblacional.)
Distribucin de la media muestral
La esperanza de la media muestral coincide con la media de la poblacin, en definitiva; la
media de la media muestral es la media de la poblacin:
En efecto:

As:
Dado que para cualquier valor de i
poblacin

ya que

pertenece a la

Tendramos que
En cuanto a la varianza de la media muestral, tendremos que si el muestreo utilizado es
aleatorio simple se cumple que

en efecto:

Dado que en el muestreo aleatorio simple las observaciones o elementos son independientes
tendremos covarianzas iguales a cero y dado que:
Para todo i
Tendremos

Evidentemente la desviacin tpica ser

En el caso de que el muestreo que hayamos realizado no sea aleatorio simple y que sea
irrestricto y por tanto se plantee que no hay reemplazamiento siendo la poblacin finita la
media de la media muestral no sufrir variaciones, pero no as la varianza de la media
muestral que se ver afectada por el "coeficiente corrector de poblaciones finitas"
(C .C .P.F.), o "coeficiente de exhaustividad, ya conocido del estudio de la distribucin
hipergeomtrica. As la varianza de la media muestral quedara:

Siendo N el tamao de la poblacin (finita) y el resto lo habitual.

Dado que ya conocemos la media y la varianza de la media muestral , y dado que
podramos tomar la muestra genrica como una sucesin de variables aleatorias
independientes de media y varianza conocida , aunque con distribucin desconocida , y
en aplicacin del T.C.L. , tendremos que la ley de la media muestral sea cual sea la
distribucin poblacional viene dada por :

Distribucin de la varianza muestral

Al igual que la media muestral la varianza muestral tendr media y varianza dado que se
trata tambin de una variable aleatoria.

La media de la varianza muestral con M.A.S. es:

La varianza muestral tiene de expresin

Si cambiamos de origen a la media de la poblacin la varianza muestral no vara as:

Aplicando el operador esperanza tendremos:

Dado que

Y tambin
En cuanto a la varianza de la varianza muestral diremos que su expresin es la siguiente,
que admitimos sin demostrar que:

Distribuciones mustrales para una poblacin normal

De todas las posibles distribuciones bsicas es, sin duda, la distribucin normal la ms
importante por el gran nmero de poblaciones que se distribuyen as, real o
asintticamente, (en virtud de los Teoremas Lmite).
As pues, en los subapartados siguientes, consideraremos que conocemos la distribucin
de la poblacin y que esta, es normal. Consideraremos igualmente muestreo aleatorio
simple (m.a.s.)

Distribucin de la media muestral

Si la poblacin se distribuye

N[ ; ]

entonces

En efecto si
y dado que
siendo independientes pues
realizamos m.a.s. y en aplicacin del teorema fundamental de las distribuciones normales
obtendremos

Distribucin de la varianza muestral

En lugar de obtener la distribucin muestral del estadstico varianza muestral

L [S2] que nos llevara a conclusiones prximas a las anteriormente descritas en el apartado
en el que la poblacin no era normal, es ms conveniente la utilizacin de la variable

aleatoria
que recordemos, no es un estadstico, y que contiene en su expresin a la
varianza muestral y a la poblacional, de ah su utilidad dado que ambas quedan
relacionadas con una distribucin conocida; la jhi-dos.
No demostramos la relacin pero la recordamos dada su importancia posterior.

Distribucin de la media muestral con varianza desconocida

En apartados anteriores estudiamos el comportamiento de la media muestral y vimos que
sta dependa tanto del valor de la media poblacional, como de la varianza poblacional,
parece lgico pensar que si nuestro inters radica en inferir comportamientos de la
poblacin partiendo de la muestra parece ilgico pensar que conozcamos la varianza. De
ah la importancia de establecer una distribucin para la media muestral que la relacione
nicamente con la poblacional, lo que har que conocida la muestral concreta podamos
aventurar el comportamiento de la poblacional.

As tendramos:

lo que da lugar a :

Hemos visto sin demostrar que

Conocemos que

luego

simplificando tendramos

Expresin que relaciona ambas medias y la varianza muestral con una distribucin
conocida

Distribucin de la proporcin muestral de una caracterstica

Por su importancia incluimos esta distribucin si bien podra considerarse un caso
particular de la media muestral con distribucin poblacional desconocida.
As dada una poblacin que por sus caractersticas consideramos binomial pues nuestra
intencin es inferir la proporcin de xitos p y por tanto la poblacin sera B (N,p)
podemos considerar cada realizacin muestral xi una D(p) cuya media sera p y su
varianza pq

La variable
TCL tendramos

dado que las xi son independientes y en aplicacin del

Que

Distribucin de la diferencia de dos medias mustrales de dos poblaciones

normales.
Por ltimo y dado el gran nmero de intervalos y contrastes que emanan de la utilizacin
de esta distribucin creemos necesario incluirla. As:
Dadas dos variables X e Y que se distribuyen normalmente y por tanto:

Realizado un MA.S de tamaos nx y ny respectivamente tendremos por conocido

que

y tambin

por lo que la variable

fundamental de las distribuciones normales ser:

n aplicacin del teorema

CONCLUSION
La distribucin de muestreo, como la distribucin Normal, es un modelo descriptivo, que
es usado para describir situaciones del mundo real. Es muy til para hacer sealamientos
acerca de la probabilidad de que ocurran observaciones especficas. Ya que muestreo es
definido como el proceso de seleccionar un nmero de observaciones (sujetos) de un
grupo en particular de la poblacin.
Y distribucin de muestreo es definida como la distribucin de frecuencias de la
estadstica de muchas muestras.
Investigadores/modeladores la usan para estimaciones y pruebas de hiptesis.

BIBLIOGRAFIA:
CONTENEDOR HIPERMEDIA DE ESTADSTICA APLICADA A LAS CIENCIAS
ECONMICAS Y SOCIALES.

10