DISTRIBUCIONES DE LOS ESTIMADORES

Sea X una poblacin de distribucin normal, N(,) de la cual se extrae una

muestra de n elementos {x1,x2, , xn}
Cada observacin muestral xi, tendr tambin la misma distribucin N(,)
Por lo tanto si
x1 x2 ... xn
n
x x ... xn
E( X ) E 1 2

1
E ( x1 x2 ... xn )
n
1
E ( x1 ) E ( x2 ) ... E ( xn )
n
...
E( X )

n
X

Recordemos que
consecuencia

las

observaciones

muestrales

son

independientes,

x1 x2 ... xn
n
x x ... xn
Var ( X ) Var 1 2

1
2 Var ( x1 x2 ... xn )
n
1
2 Var ( x1 ) Var ( x2 ) ... Var ( xn )
n
2 2 ... 2 n 2 2
Var ( X )
2
n2
n
n
X

Queda demostrado que la distribucin de la media muestral es

X
N (0,1)

Ntese que esta formula puede usarse solo si es conocido

Distribucin de la varianza muestral

en

( x1 X )2 ( x2 X ) 2 ... ( xn X ) 2
S
n 1
2

( n 1) S 2 x1 X x2 X

x X
... n

Como la parte derecha de la ecuacin es una suma de cuadrados de variables

aleatorias independientes, con distribucin normal estandarizada, se tiene
(n 1) S 2
2 (n 1)
2

Por lo tanto
X

X
n

t (n 1)
S
(n 1) S 2
n
2 *( n 1)
Finalmente la distribucin de la media muestral es:

1. Si conocemos

X
N (0,1)

2. Si no conocemos

X
t (n 1)
S
n

La distribucin de la varianza muestral es

(n 1) S 2
2 (n 1)
2

La distribucin de la proporcin muestral , cuando la muestra es suficientemente

grande para aplicar el Teorema Central del Lmite,

p
N (0,1)
*(1 )
n

Comparacin de proporciones y comparacin de medias

Usamos la siguiente propiedad de las distribuciones normales
1. Propiedad de la normal: si X e Y son independientes
X N ( x , x )

Y N ( y , y )
X Y N ( x y , x2 y2 )

2. Extensin de la propiedad
Si sumamos X1+X2++Xn y todas las variables spn
independientes y con la misma distribucin N(,) entonces
X1+X2++Xn sigue una

N ( n * , n )

Distribuciones de la proporcin
( p1 p2 ) ( 1 2 )
N (0,1)
p1 (1 p1 ) p2 (1 p2 )

n1
n2
La distribucin del estimador es:

Caso de medias Hay tres sub casos

i.

Conocemos las desviaciones estndar poblacionales 1 y

2 entonces la distribucin del estimador es:
( X 1 X 2 ) ( 1 2 )

12 22

n1 n2
ii.

N (0,1)

Si no conocemos 1 ni 2; y n1 > 30 n2 > 30 y entonces la

( X 1 X 2 ) ( 1 2 )

distribucin es:

S12 S22

n1 n2

N (0,1)

iii.

Si no conocemos 1 ni 2; y n1 < 30 n2 < 30 y entonces la

distribucin del estimador es
( X 1 X 2 ) ( 1 2 )
(n1 1) S12 (n2 1) S 22
n1 n2 2

1 1

n1 n2

t (n1 n2 2)

Siempre que 1 = 2
Caso de varianzas

12 2 (n 1)
22 2 (m 1)
12
n 1 F
( n 1),( m 1)
22
m 1

Las aplicaciones de estas distribuciones son principalmente:

1. La estimacin por intervalos de confianza
2. La prueba de hiptesis paramtrica
3. La deduccin de las distribuciones de otros estimadores como
en el caso de los estimadores de la regresion