Probabilidad y Estadstica

Distribucin de Medias Muestrales y

TEOREMA DEL LIMITE CENTRAL

Ma. Griselda Tapia Mercado

Teorema de Lmite Cental

Si muestras aleatorias de n observaciones se sacan de una

poblacin no normal con media y desviacin estndar , entonces,
cuando n es grande, la distribucin de medias muestrales tiene
una distribucin aproximadamente normalmente con media y
desviacin estndar /
La aproximacin es cada vez ms precisa cuando n es ms grande.
OBSERVACIN 1:
EL Teorema Central de Lmite dice que, incluso si la poblacin muestreada
no es normal, las distribucin de las medias muestrales ser
aproximadamente normal, cuando el tamao muestral sea grande.
OBSERVACIN 2:
El teorema garantiza una distribucin normal o casi normal pero de la
distribucin de medias muestrales, cuando n es grande.

CMO DETERMINAR CUANDO EL TAMAO DE LA MUESTRA

ES LO SUFICIENTEMENTE GRANDE PARA GARANTIZAR
COMPORTAMIENTO NORMAL O CASI NORMAL ?
Si la poblacin muestreada es normal, entonces la
distribucin muestral de tambin ser normal, sin importar
cul sea el tamao de la muestra que se escoja.

Cuando la poblacin muestreada est sesgada, el tamao

muestral n debe de ser ms grande, con n al menos 30 para
que la distribucin de medias muestrales sea normal o
aproximadamente normal
Cuando la poblacin muestreada es aproximadamente simtrica
y n relativamente pequea(n<30), entonces la distribucin
muestral de tambin se hace aproximadamente normal.

INFERENCIA ESTADSTICA
La inferencia, particularmente la toma y prediccin de decisiones,
tiene siglos de antigedad y desempea un papel muy importante
en la vida de casi todas las personas.
Por ejemplo, algunas aplicaciones son cuando:
o Un ingeniero civil desea estimar si un nuevo grosor en las
varillas es ms resistente a factores ambientales que el actual.
o Un corredor financiero desea pronosticar el comportamiento del
mercado de acciones.
Hay muchas formas de tomar estas decisiones o predicciones.
Qu tan buenas sern estas decisiones o predicciones?

Recordemos que la inferencia estadstica se ocupa de tomar decisiones o

predicciones de los parmetros, es decir de las medidas numricas
descriptivas de la poblacin a travs de una muestra representativa pero
veamos que no solo se debe cumplir que la muestra sea representativa;
se deben cumplir ms cosas para que el error en la prediccin del
parmetro, sea mnimocontinuemos investigando los requisitos

Existen mtodos para realizar inferencias acerca de la media

poblacional , la varianza poblacional y la proporcin poblacional p
La inferencia estadstica se puede realizar mediante dos mtodos:
Estimacin: Estimar o predecir el valor del parmetro.

Tomar una decisin acerca del valor de un parmetro, con base en

alguna idea preconcebida acerca de cul podra ser su valor.

ESTIMACIN DE INTERVALO PARA LA MEDIA POBLACIONAL

La Estimacin de Intervalo de la media poblacional se basa en

el supuesto que la distribucin de las medias muestrales se
comporta Normal o casi normal.
Recuerda:
1) Si la poblacin muestreada est distribuida de manera normal, la distribucin
de las medias muestrales estar normalmente distribuida respecto de todos
los tamaos muestrales.
2) Si la poblacin no es normal, la distribucin de las medias muestrales ser
aproximadamente normal respecto a un tamao muestral grande.
Para muestras menores a 30, es importante saber que la poblacin que se
muestrea est normalmente distribuida (grfica en forma de campana), o por lo
menos casi normalmente.

Para muestras de tamao considerable esto no constituye problema,

puesto que se aplica el Teorema del Lmite Central.

Empezaremos a hacer estimaciones de intervalos; empecemos

con la media poblacional

CASO I
El primer caso que estudiaremos es un caso ideal, cuando la
poblacin tiene comportamiento normal y la Desviacin estndar
poblacional (sigma= ) es conocida
Encontraremos un intervalo que estar centrado en la media de la muestra
que tomemos y en el cual se encontrar la media de la poblacin con una
probabilidad (1-) y con una probabilidad de que no est ah.

La frmula para encontrar los lmites inferior y superior del

intervalo en este caso I, est dado as:

Estimacin de intervalo de la media poblacional /


E=
E= Error Mximo de
Estimacin

E= Error Mximo de
Estimacin

= +

Es el valor de z que deja una probabilidad

acumulada hasta l, de /

Se llama nivel de significancia. Se toma como

0.05 cuando NO te lo den

La probabilidad de que la media poblacional se encuentre en el rango de valores

dados por Li y Ls es de 1 :

< < = 1

Se toma pequeo y es el
rea de las colas.
Es tambin la
probabilidad de que
No est en el intervalo

/
Li

Ls

Se encuentra en la tabla
normal estndar o en Excel
con distr.norm estand.inv

Hasta ahora, la estimacin de medias poblacionales se ha enfocado en

situaciones en las que se conoce la desviacin estndar de la poblacin.
En la realidad, es ms comn enfrentarse a situaciones en las que no se
conoce la desviacin estndar de la poblacin que se est muestreando.

CASO II
La poblacin tiene comportamiento normal y la desviacin estndar
poblacional (sigma= ) es desconocida.
El intervalo de confianza para la media de la poblacin queda as:

Estimacin de intervalo de la media poblacional /

=

Cuando la poblacin se comporta normal pero no se conoce el valor de la

desviacin estndar de la poblacin (lo cual generalmente ocurre), la desviacin

estndar de la muestra se utiliza como una estimacin del valor verdadero de
y entonces utilizaremos la tabla de la distribucin t student.
La forma grfica de la distribucin t es muy parecida a la de la distribucin normal. La principal
diferencia entre las dos, consiste en que la distribucin t,presenta un rea (probabilidad) mayor
en sus extremos(colas), esto significa que , para un nivel de confianza dado, el valor de t ser
un poco mayor que el valor correspondiente de z.

Da click aqu para que veas cmo la

grfica de la Distribucin t student
tiende a la grfica de la distribucin
normal conforme el tamao de la
muestra aumenta!

OBSERVACIN Se sabe por el teorema del Lmite

Central del que cuando la muestra es mayor o
igual a 30, la distribucin de las medias
muestrales es casi normal independientemente si
se conoce sigma(podra usar la tabla normal en
estos casos, pero NO resolveremos as en
exmenes), pero para Fuera de clase, cuando la
poblacin es normal y sigma es desconocida y las
muestras son de 30 o menos, los clculos de
intervalos de confianza se deben basar en la
distribucin t, que es la distribucin terica
correcta cuando usas .