DISTRIBUCIÓN

MUESTRAL
ESTUDIANTE: JAZLIN SEGURA SÁNCHEZ
PROFESOR: JOHAN PABLO VARGAS PEREIRA
UNIVERSIDAD SAN MARCOS IIIQ-2023

REPORTE DE TELECLASE 2- ESTADÍSTICA 2

Este documento tiene como objetivo desarrollar el tema de la distribución muestral, así

como sus conceptos principales.

En el presente trabajo se estará ampliando todo lo relacionado con la distribución

muestral, siendo esta la que conduce al fundamento de las técnicas de la estimación de

parámetros y de pruebas de hipótesis.

La importancia de esta distribución muestral se centra en que las conclusiones que

arrojan son los pilares de las inferencias con muestras aleatorias.

Entiéndase la distribución muestral como el conjunto de todas las muestras distinta de

determinado tamaño n que es posible extraer de una población de tamaño N. Tomando en cuenta,

primeramente, que debemos observar que se trata del conjunto de todas las muestras distintas, que es

posible extraer de una población determinada. Al finalizar un análisis exhaustivo, podemos extraer

conclusiones acerca del posible comportamiento de una sola muestra, ya que lo único que nos interesa

es una sola muestra.

Tomada de (3) Introducción a las distribuciones muestrales | Khan Academy en Español - YouTube

Existen distintos tipos de distribución muestral:

 Distribución muestral de la media: corresponde al conjunto de las medias de

todas las muestras distintas en tamaño n que es posible extraer de una población

también de tamaño N.

 Distribución muestral de la proporción: corresponde al conjunto de las

proporciones de todas las muestras que es posible extraer de determinada

población.

 Distribución muestral de la varianza: corresponde al conjunto de todas las

varianzas muestrales.
  Distribución muestral de las diferencias de medias: esta es el resultado de

calcular la diferencia entre las medias de todas las posibles muestras de dos

poblaciones distintas.

 Distribución muestral e la diferencia de proporciones: esta es el resultado de

restar todas las proporciones muestrales posibles de dos distintas poblaciones.

Siendo la distribución muestral de la media y la distribución muestral de la proporción,

las más conocidas y, por ende, las más utilizadas.

Tomada de ▷ Distribución muestral de la diferencia de medias (probabilidadyestadistica.net)

En cada una de las muestras que podemos extraer de una población, podemos calcular

estadísticos como la media aritmética o cual es la proporción de elementos que presentan cierta

característica. Como un ejemplo de esto podemos mencionar la media de estaturas de personas

universitarias.

Al escoger los elementos de manera aleatoria, los estadísticos en cada una de las muestras

pueden tomar distintos valores, y cada una de ellas con distinta probabilidad.

La distribución muestral es una función de probabilidad, esto porque asigna a cada un

posible valor de un estadístico su probabilidad de aparecer una muestra que es extraída de

manera aleatoria. Esta característica es real cuando la variable corresponde a valores discretos.
 Para variables continuas, se dice que la distribución muestral corresponde a una función

de densidad de probabilidad.

Curva de función de densidad de probabilidad. Tomada de Universo Fórmulas Distribución muestral de estadísticos

(intef.es)

Veamos el siguiente ejemplo para poder comprender mejor el tema de distribución

muestral:

Primeramente, tomamos una población de cualquier tamaño (n).

Seguidamente tomamos muestras de un tamaño N, a la cual le vamos a calcular la

estadística. La cantidad de veces que tomamos muestras puede ser infinita.

Dentro de la población anterior el 40% de las Dentro de las nuestras podemos observar:

bolitas es de color naranja.

La muestra de es de 10.  Muestra2: 2 anaranjadas >20%

tendremos la distribución muestral.

Serie 1
0.8
0.6
0.4
0.2
0
0% 10% 20% 50% 70% 100%

Serie 1

Para poder entender el gráfico anterior, se puede leer de la siguiente manera:

 Basándonos en las muestras, podremos decir que existe un 15% (0.15) de

probabilidades que en la muestra nos salga el 50% de las pelotas de color naranja.

 Como segunda lectura de la gráfica, podemos decir que existe una probabilidad

del 7% (0.07) de probabilidades de que el 20% de las bolitas sean de color

naranja.

 Si hacemos esto en una infinita cantidad de veces, podremos obtener la

distribución muestral real de la proporción de la muestra.

De cada distribución muestral nos interesa conocer la forma funcional, la media y la

varianza, en otras palabras, nos interesa conocer que distribución teórica tienen y cuánto valen

los parámetros o las características más importantes que tiene esta.

El muestreo, en esta distribución, podrá realizarse con o sin reposición, y la población de

donde se estarán sacando las muestras podría ser infinita o finita. Donde una población finita
donde se realiza el muestreo con reposición puede ser considerada como infinita en la teoría. De

igual manera, una población muy grande puede ser considerada como una población infinita.

Hay que tomar en cuenta que si el tamaño de la muestra suficientemente grande las

distribuciones muestrales son normales, y en esta se estarán basando todos los resultados que se

alcancen.

Debemos tener conocimiento de que uno de los conceptos claves del muestreo es el de

representatividad, don los procedimientos de muestreo tienen como objetivo el generar las

muestras lo más representativas posibles de las poblaciones a las cuales pertenece y acorde a los

objetivos que tenga la investigación.

Desde lo aplicado, han denominado al muestreo como el proceso donde se selecciona una

o más muestras que serán utilizadas en una investigación. Lo cual supone que se generará una o

pocas muestras.

De la vista teórica, el muestreo es un fundamental dentro de la inferencia estadística. Si

las muestras no son exactamente representativas de la población significará que la inferencia

tendrá ciento margen de incertidumbre. Para poder cuantificarlo y definir las técnicas

inferenciales, se debe conocer cómo se comportan los estadísticos que se han obtenido de cada

una de las muestras, así es como las distribuciones muestrales de los estadísticos son utilizados

para la inferencia.
Conclusiones

Uno de los beneficios que podemos obtener de las distribuciones muestrales, es que

podemos comprender que al incrementar el tamaño de la muestra nos da como resultado

estimaciones más precisas de la probabilidad y de las características poblacionales.

Esta distribución presenta cada uno de los posibles resultados que una estadística podría

tomar en cada una de las muestras posibles de una población e indicar con qué frecuencia

ocurriría cada uno de estos resultados.

El objetivo que tiene la distribución muestral es poder generalizar los resultados de las

muestras de la población y partir de esta poder identificar el comportamiento de la población, a

partir de esta muestra.

Estas distribuciones tienden a asegurar que la muestra represente correctamente a la

población en función de unas variables seleccionadas.

Este tipo de distribución tiene a ser sencilla y de fácil comprensión, además que su

cálculo de medias y varianzas se pueden realizar de manera rápida.

CEBRIAN, M. J. (2001). RED EDUCATIVA DESCARTES. Obtenido de

https://proyectodescartes.org/uudd/materiales_didacticos/inferencia_estadistica_JS/

distrib_muestrales.htm

DIAZ, O. M. (s.f.). MINISTERIO DE EDUCACION Y FORMACION PROFESIONAL- INTEF. Obtenido de

https://formacion.intef.es/tutorizados_2013_2019/pluginfile.php/246706/mod_resource/

content/1/distribucin_muestral_de_estadsticos.html

KHANACADEMYESPAÑOL. (25 de dic de 2017). Introducción a las distribuciones muestrales. Obtenido de

https://www.youtube.com/watch?v=PSO9WdraWrE

PEREIRA, P. V. (ABRIL de 2020). UNIVERSIDAD SAN MARCOS. Obtenido de

https://usanmarcos.instructure.com/courses/13549/pages/modulo-2

PROBABILIDAD Y ESTADISTICA.NET. (s.f.). Obtenido de

https://www.probabilidadyestadistica.net/distribucion-muestral/

UNIVERSITAT DE VALENCIA. (s.f.). Obtenido de

https://www.uv.es/webgid/Inferencial/21_introduccin.html