Distribucin Muestral de medias aritmticas

Teorema Central de Lmite (T. C. L.)

Act. Adolfo Snchez Lpez

Pgina 1 de 7
Prof. Act. Adolfo Snchez Lpez
 Distribucin Muestral de medias aritmticas
Teorema Central de Lmite (T. C. L.)

En este tema estudiaremos la relacin que hay entre la media aritmtica poblacional () y su
estimador, la media aritmtica muestral ( i), cuando se trabaja con una variable aleatoria continua. As
mismo plantearemos un teorema acerca de esta relacin que es fundamental en estadstica. Empezaremos
el estudio con un ejemplo

EJEMPLO I. Supongamos que nuestra poblacin est formada por cinco vendedores (A, B, C, D, E)
que venden el siguiente nmero de automviles en un mes determinado.

Vendedor A B C D E
Nmero de
2 3 4 5 6
automviles

Ahora, supngase que tomamos muestras de tamao n = 2 con reemplazo, En un muestreo con
reemplazo en una poblacin de 5 unidades y muestras de dos unidades, se obtienen 25 diferentes muestras
posibles.
n
N = 5 5 = 25
en donde N = 5 es el tamao de la poblacin y n = 2 el tamao de la muestra. El siguiente cuadro
enlistamos las 25 muestras. Si a cada muestra le calculamos su media aritmtica ( ), se tendrn tantas
medias aritmticas como muestras posibles. Con lo cual obtendremos la distribucin muestral de las
medias aritmticas.

2
Nm MUESTRA CIFRAS S
1 A, A 2, 2 2.0 0.0
2 A, B 2, 3 2.5 0.5
3 A, C 2, 4 3.0 2.0
4 A, D 2, 5 3.5 4.5
5 A, E 2, 6 4.0 8.0
6 B, A 3, 2 2.5 0.5
7 B, B 3, 3 3.0 0.0
8 B, C 3, 4 3.5 0.5
9 B, D 3, 5 4.0 2.0
10 B, E 3, 6 4.5 4.5
11 C, A 4, 2 3.0 2.0
12 C, B 4, 3 3.5 0.5
13 C, C 4, 4 4.0 0.0
14 C, D 4, 5 4.5 0.5
15 C, E 4, 6 5.0 2.0
16 D, A 5, 2 3.5 4.5
17 D, B 5, 3 4.0 2.0
18 D, C 5, 4 4.5 0.5
19 D, D 5, 5 5.0 0.0
20 D, E 5, 6 5.5 0.5
21 E, A 6, 2 4.0 8.0
22 E, B 6, 3 4.5 4.5
23 E, C 6, 4 5.0 2.0
24 E, D 6, 5 5.5 0.5
25 E, D 6, 6 6.0 0.0

2
Al lado de cada muestra figura su media aritmtica y su varianza S . Obsrvese que es posible,
para un elemento, ser elegido ms de una vez en la misma muestra. En la prctica, la poblacin es tan
grande que las posibilidades de repetirse son muy pequeas.

Pgina 2 de 7
Prof. Act. Adolfo Snchez Lpez
 Distribucin Muestral de medias aritmticas
Teorema Central de Lmite (T. C. L.)

Aqu, nuestra distribucin de la media aritmtica est formada por los 25 valores de . La
2
distribucin muestral de la varianza la forman los 25 valores de S . Para hacer comparaciones ms
fcilmente se grafican estas dos distribuciones junto con la distribucin de la poblacin.

i fi 2
S fi
2.0 1
2.5 2 0.0 5
3.0 3 0.5 8
3.5 4 2.0 6
4.0 5 4.5 4
4.5 4 8.0 2
5.0 3
5.5 2 Nm = 25
6.0 1
Nm = 25

2
DISTRIBUCIN MUESTRAL DE S

Xi fi
2 1
3 1
4 1
5 1
6 1
5
DISTRIBUCIN de la POBLACIN

Puesto que la poblacin consta de 5 valores, podemos calcular la media aritmtica poblacional:
= 2 + 3 + 4 + 5 + 6 = 20 = 4
5 5
y la varianza;
2 = (2 4) 2 + (3 4) 2 + (4 4)2 + (5 4) 2 + (6- 4) 2 = 10 = 2
5 5
Por lo tanto:
= 2 = 1.4142

Pgina 3 de 7
Prof. Act. Adolfo Snchez Lpez
 Distribucin Muestral de medias aritmticas
Teorema Central de Lmite (T. C. L.)

Obsrvese la existencia del 5 en el denominador para el clculo de la varianza. Tambin calculamos

2
la media aritmtica y la varianza para la distribucin de y para la distribucin de S . Usaremos 25 en lugar
de 24, en el denominador de la varianza. El clculo lo indicamos a continuacin. Vamos a designar a la
2
media y a la varianza de la distribucin muestral de medias aritmticas ( ) por y respectivamente.

i fi fi i i - i - )2 fi i - )2
2.0 1 2.0 - 2.0 4.00 4.00
2.5 2 5.0 - 1.5 2.25 4.50
3.0 3 9.0 - 1.0 1.00 3.00
3.5 4 14.0 - 0.5 0.25 1.00
4.0 5 20.0 0.0 0.00 0.00
4.5 4 18.0 0.5 0.25 1.00
5.0 3 15.0 1.0 1.00 3.00
5.5 2 11.0 1.5 2.25 4.50
6.0 1 6.0
2.0 4.00 4.00
Nm = 25 fi Xi = 100 fi i - )2 = 25.00

= 100 = 4
25
2
= 25 = 1
25

= 1

2 2
S fi fi S
0.0 5 0.0
0.5 8 4.0
2.0 6 12.0
4.5 4 18.0
8.0 2 16.0
fi Xi = 25 fi = 50

S2 = 50 = 2 =
2

25
Obsrvese que la media de la distribucin muestral de tiene el mismo valor que la media
aritmtica de la poblacin, es decir:
=

La igualdad anterior nos indica que la media aritmtica de la distribucin muestral de las
medias aritmticas es igual a la media aritmtica de la poblacin .

2 2
Obsrvese tambin que la media S de la distribucin muestral de S tiene el mismo valor que
2
la varianza de la poblacin. Esta segunda igualdad se cumple solamente si tomamos (n 1) en el
calculo de la varianza de la muestra. As, podemos decir que por trmino medio la varianza de la muestra
es igual a la varianza de la poblacin.

Pgina 4 de 7
Prof. Act. Adolfo Snchez Lpez
 Distribucin Muestral de medias aritmticas
Teorema Central de Lmite (T. C. L.)

Supngase que hemos dividido cada varianza de la muestra por n en lugar de (n 1). Entonces, la
2 2
media aritmtica de las varianzas S sera menor (<) que la varianza de la poblacin, por eso, usamos
2 2
ste estadstico S que es igual a por trmino medio. Si la poblacin est a nuestra disposicin,
dividimos entre N y no por (N 1). As, nuestro procedimiento es si la varianza se calcula a partir de una
muestra, el denominador es (n 1); si la varianza se calcula a partir de toda la poblacin, el denominador
es N.

En el ejemplo anterior 2 = 2 = 1, que es n el tamao de la muestra. Esto se

2

cumple en general, y podemos escribir 2 = 2 esta expresin mide la variabilidad de las
n
medias aritmticas ( ) de las muestras en funcin del tamao n de la muestra. La varianza de la
2 2
distribucin S no tiene una relacin tan exacta con .

A la desviacin estndar ( ) de distribucin muestral se le denomina error estndar de la media

o simplemente error estndar.

Entonces cuando el muestreo es con reemplazo o la poblacin es infinita, el valor de la varianza de

la distribucin muestral la podemos calcular usando la expresin:

2= 2
n
Cuando las muestras son obtenidas de una poblacin finita y sin reemplazo, el nmero de
muestras es bastante menor, entonces el nmero de muestras posibles es:
CN,n
En el ejemplo anterior se supuso que un elemento de la poblacin se poda presentar dos veces en
la misma muestra, sin embargo, ste no es el caso en la mayora de los problemas de la vida real. La
mayora de los problemas de muestreo no permiten que un elemento sea seleccionado dos veces en una
muestra dada o como se dijo al principio del problema, que la poblacin puede ser tan grande que la
posibilidad de repetirse es muy pequea, por lo tanto, si la poblacin no es grande con relacin al tamao
de la muestra, la teora anterior no ser estrictamente correcta. La dificultad que surge en tales situaciones
puede solucionarse al modificar la expresin de la varianza de la distribucin muestral.

Si N denota el tamao de la poblacin que es muestreada y n denota el tamao de la muestra

tomada, entonces, se puede demostrar que la expresin
2= 2
n
puede ser sustituida por la expresin
2= 2 N-n
n N1
el factor (N n)/(N 1) es llamado factor de correccin para poblacin finita y puede ignorarse cuando el
tamao n de la muestra es pequea en comparacin con el tamao N de la poblacin.

EJEMPLO II. Regresando al ejemplo, el nmero de muestras posibles es igual al nmero de

combinaciones que se obtienen de un grupo de cinco, la poblacin (N = 5), en grupos de dos elementos, el
tamao de la muestra (n = 2).
C5,2 = 10
las muestras posibles en el ejemplo son:

Pgina 5 de 7
Prof. Act. Adolfo Snchez Lpez
 Distribucin Muestral de medias aritmticas
Teorema Central de Lmite (T. C. L.)

Nm MUESTRA CIFRAS
1 A, B 2, 3 2.5
2 A, C 2, 4 3.0
3 A, D 2, 5 3.5
4 A, E 2, 6 4.0
5 B, C 3, 4 3.5
6 B, D 3, 5 4.0
7 B, E 3, 6 4.5
8 C, D 4, 5 4.5
9 C, E 4, 6 5.0
10 D, E 5, 6 5.5

Aqu, nuestra distribucin de la media aritmtica est formada por los 10 valores de . A
continuacin damos la grafica de la distribucin muestral.

i fi
2.5 1
3.0 1
3.5 2
4.0 2
4.5 2
5.0 1
5.5 1
Nm = 10

2
Si calculamos la media aritmtica y la varianza de la distribucin anterior, tenemos:

i fi fi i i - i - )2 fi i - )2
2.5 1 2.5 - 1.5 2.25 2.25
3.0 1 3.0 - 1.0 1.00 1.00
3.5 2 7.0 - 0.5 0.25 0.50
4.0 2 8.0 0.0 0.00 0.00
4.5 2 9.0 0.5 0.25 0.50
5.0 1 5.0 1.0 1.00 1.00
5.5 1 5.5 1.5 2.25 2.25
Nm = 10 fi Xi = 40.0 fi i - )2 = 7.5

= 100 = 4
25
2 = 7.5 10 = 0.75
= 0.75 = 0.866

En el muestreo sin reemplazo al igual que en el muestreo con reemplazo, la media aritmtica de
las medias de las muestras es igual a la media aritmtica de la poblacin .

Pgina 6 de 7
Prof. Act. Adolfo Snchez Lpez
 Distribucin Muestral de medias aritmticas
Teorema Central de Lmite (T. C. L.)

Si embargo la varianza y el error estndar de la distribucin anterior pueden obtenerse

directamente a partir de la expresin:

2 = 2 Nn = 2 5 2 = 1* ( 3) = 0.75
n N1 2 51 4

= Nn = 1.4142 52 = 0.75 = 0.866

n N1 2 51
con dichas expresiones obtuvimos los resultados idnticos a los calculados anteriormente.

Es una tarea largusima el construir la distribucin muestral para una poblacin pequea y para una
muestra de tamao pequeo. La construccin real de la distribucin muestral es una empresa formidable si
la poblacin es de un tamao apreciable e incluso es una tarea imposible si la poblacin es infinita. En tales
casos, podemos reconocer la dificultad de construir la distribucin muestral y puede tenerse como un gran
problema cuando se considera la construccin muestral para una variable continua.

Podemos obtener aproximaciones de las distribuciones muestrales, tomando un gran nmero de

muestras de un tamao dado, es decir, lo mejor que podemos hacer experimentalmente, es aproximar la
distribucin muestral de un estadstico. Si embargo, este es un mtodo bastante pesado y laboriosa y por
eso debemos de recurrir con frecuencia a la autoridad de los enunciados de teoremas matemticos ya
demostrados. Estos teoremas tendrn ciertas hiptesis y al aplicarlos debern tenerse en cuenta las
hiptesis tanto como las conclusiones. Corrientemente, estas hiptesis envuelven bien, la distribucin de la
poblacin, o bien el tamao n de la muestra.

Habamos observado que

2 = 2
n
y adems que
=
n
Estos resultados no son coincidencias de la casualidad, sino ejemplos de las caractersticas de las
distribuciones muestrales en general. Nos referiremos ahora a un importante teorema matemtico
conocido como TEOREMA CENTRAL DE LMITE (T. C. L.). Este teorema puede enunciarse como sigue:

Si una poblacin tiene una distribucin (de cualquier forma: Normal o no Normal) con
2
una media aritmtica y una varianza finita , entonces, la distribucin muestral de medias
aritmticas , calculada a partir de muestras de tamao n de esta poblacin, se aproxima
cada vez ms a la curva normal con una media aritmtica de = y una varianza cuando el
muestreo es con reemplazo o la poblacin es infinita

2 = 2
n
a medida que n (el tamao de muestra) aumenta.

Cuando se muestrea sin reemplazo de una poblacin finita, la distribucin muestral

de las medias aritmticas tendr una media aritmtica de = y varianza

2 = 2 Nn
n N1
Pgina 7 de 7
Prof. Act. Adolfo Snchez Lpez