MÉ TODOS ESTADISTICOS SESIÓ N 8

TEORIA DEL MUESTREO

1. INTRODUCCION

En la práctica profesional, el médico se enfrenta con frecuencia ante la necesidad de conocer

realidades respecto al proceso salud enfermedad en la persona humana, una enfermedad, un
medicamento, una técnica quirúrgica, niveles de educación e información; cuando ello se necesita
conocer en un grupo poblacional, sería necesario examinar todos los miembros de ese grupo con
el fin de observar el comportamiento de las variables en estudio.
 
Sin embargo, muchas veces, el grupo en estudio es tan grande que hace difícil, casi imposible el
examen de todos sus miembros, por lo que se procede comúnmente a examinar un determinado
número de individuos u objetos, observar el comportamiento de las variables en estudio en este
conjunto limitado para luego extender los resultados al conjunto total, con cierto grado de
confianza.
Es entonces, importante conocer que se puede estudiar un sub conjunto de la población para
luego inferir los resultados al conjunto total de elementos con un cierto grado de precisión el cual
dependerá de la selección de los elementos del sub conjunto a estudiar y de los métodos de
inferencia para la obtención de premisas generales.
 
Esto es la “teoría del muestreo”, la selección adecuada en cantidad y calidad de los
individuos que constituirán el grupo de observación, para ello es necesario tener
conceptos muy claros respecto a población o universo y muestra.

DEFINICIONES PREVIAS

8.1 ESTADISTICA
Es la ciencia que se ocupa de los métodos y procedimientos para recoger, clasificar, resumir,
y analizar datos, siempre y cuando la variabilidad e incertidumbre sea una causa de los
mismos; así como de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de
decisiones y en su caso formular predicciones.

8.2 ESTADISTICA DESCRIPTIVA

Es el conjunto de métodos estadísticos que se relacionan con el resumen y descripción
de los datos, como tablas, graficas y el análisis mediante algunos cálculos.

1
 MÉ TODOS ESTADISTICOS SESIÓ N 8

8.3 INFERENCIA ESTADISTICA

Es el conjunto de métodos con lo cual se hace la generalización sobre una población
utilizando una muestra. La inferencia puede contener conclusiones que pueden no ser
ciertas en forma absoluta, por lo que es necesario que estas sean dadas con una
medida de confiabilidad el cual se le conoce como probabilidad.

8.4 POBLACION
Es el conjunto de elementos que contienen una o mas característica observable de
naturaleza cualitativa o cuantitativa que se pueden medir en ellos.

8.5 UNIDAD ELEMENTAL

Viene hacer cada elemento de la población.

8.6 UNIDAD DE ANALISIS

Elemento del que hay que obtener la información.

8.7 VARIABLE
Se denomina variable estadística a una característica definida en la población por la
tarea o investigación estadística, que puede tomar dos o mas valores o modalidades.

8.8 DATO
Es el resultado de medir una característica observable de una unidad de análisis.

8.9 INFORMACION
Es el resultado que se obtiene al procesar un conjunto de datos.

8.10 PARAMETRO
Se denomina parámetro a una medida descriptiva que resume una característica,
calculada a partir de los datos observado en toda la población.

8.11 MUESTRA
Se denomina muestra a una parte de la población seleccionada de acuerdo con un plan o
regla, con el fin de obtener información acerca de la población de la cual proviene.

8.12 ESTADIGRAFO
Se denomina estadígrafo a una medida descriptiva que resume una característica, calculada a
partir de los datos observado en una muestra aleatoria.

8.13 ERROR DE ESTIMACION

Es la diferencia entre un estadístico y su parámetro correspondiente. Es una medida de la

variabilidad de las estimaciones de muestras repetidas en torno al valor de la población, nos da
una noción clara hasta dónde y con qué probabilidad una estimación basada en una muestra se
aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un
error, pero la naturaleza de la investigación nos indicará hasta qué medida podemos cometerlo

8.14 MUESTREO

Evaluar el comportamiento de una o varias características o variables de una población sería

muy costoso, por lo que la estadística nos brinda procedimientos para seleccionar a una parte de
esa población y analizarla de tal forma que sus características coincidan con la población.

El muestreo es la selección de una parte representativa de la población que permita estimar los
parámetros de la población.

2
 MÉ TODOS ESTADISTICOS SESIÓ N 8

VENTAJAS DEL EMPLEO DE MUESTRAS

Hay muchas razones por las cuales el estudio de una muestra es preferible al de la totalidad de
la población. Ante todo, es evidente que el estudio de muestras es el único practicable cuando
se trata de poblaciones infinitas o de poblaciones limitadas pero muy extensas, pues ningún
investigador sería capaz de estudiarlo en su totalidad. Lo mismo es valedero para aquellas
investigaciones en las cuales el proceso de investigación destruye al individuo que se estudia,
como en el caso en que se prueba la acción de ciertos venenos en animales de
experimentación.

Pero aún en el caso en que se quiera estudiar una poblaci6n perfectamente limitada, debemos
decidirnos por la muestra, pues su utilizaci6n tiene las siguientes ventajas:

1. Ahorra tiempo, dinero y trabajo.

2. Permite una mayor exactitud en el estudio, pues los errores debidos al observador, al objeto
observado y al método de observación, pueden disminuir y controlarse más efectivamente.

En efecto, como será menor el número de personas que intervengan en el estudio, será mucho
más fácil conseguir buenos especialistas y entrenarlos uniformemente; como se necesitarán
menos instrumentos de investigación, éstos podrán vigilarse y calibrarse más cuidadosamente.

DESVENTAJAS DEL EMPLEO DE MUESTRAS

La única desventaja del uso de muestras es el llamado error de muestreo, el cual sumado a los
tres tipos de error antes mencionado, podría invalidar nuestro estudio.

Este error de muestreo es una consecuencia de la variabilidad de las poblaciones. Como los
individuos de una población son muy variables, los diferentes grupos o muestras que podemos
formar con ellas diferirán también unas de otras y como nosotros estudiamos una muestra para
generalizar luego a toda la población, los resultados serán algo distintos según la muestra que
hayamos escogido. Esta diferencia entre el valor dado por la muestra y el verdadero valor de la
población, constituye el error por muestreo.

Ejemplo:

Supongamos que una población de 4 personas tienen un capital de S/. 5 000, S/. 7 000, S/.
6 000 y S/. 10 000 soles respectivamente.
El capital promedio de esta población es

5,000  7,000  6,000  10,000

 = S/. 7 000
4

Si no se conociera dicho promedio y para averiguarlo se tomara una muestra de dos personas,
digamos los 2 primeros (5 000, 7 000), concluiríamos que el capital promedio de cada persona de
la población es S/. 6,000, cuando en realidad vemos que fue S/. 7 000, esta diferencia de S/. 1
000 entre el valor de la muestra y el valor de la población constituye el error por muestreo.

La presencia del error por muestreo parecería indicar que el estudiar una muestra en vez de la
población, es desfavorable y no ventajosa como hemos indicado. Sin embargo, conviene tener
presente:

- En primer lugar, que el error por muestreo suele ser mucho menos importante que los errores
debidos al observador, al método de observación y a los individuos estudiados, y

3
 MÉ TODOS ESTADISTICOS SESIÓ N 8

-en segundo lugar, que el error por muestreo puede medirse estadísticamente y en cierto modo,
puede disminuirse a voluntad, tan solo con aumentar el tamaño de la muestra.

8.15 USOS DEL MUESTREO.

El Muestreo es utilizado en diversos campos:
Política: Las muestras de las opiniones de los votantes se usan para que los candidatos midan
la opinión pública y el apoyo en las elecciones.
Educación: Las muestras de las calificaciones de los exámenes de estudiantes se usan para
determinar la eficiencia de una técnica o programa de enseñanza.
Industria: La muestras de los productos de una línea de ensamble sirve para controlar la
calidad.
Medicina: Las muestras de medidas de azúcar en la sangre de pacientes diabéticos prueban la
eficacia de una técnica o de un fármaco nuevo.
Agricultura: Las muestras del maíz cosechado en una parcela proyectan en la producción los
efectos de un fertilizante nuevo.
Gobierno: Una muestra de opiniones de los votantes se usaría para determinar los criterios del
público sobre cuestiones relacionadas con el bienestar y la seguridad nacional.

Errores en el Muestreo
Cuando se utilizan valores muestrales, o estadísticos para estimar valores poblacionales, o
parámetros, pueden ocurrir dos tipos generales de errores: el error muestral y el error no muestral.

El error muestral se refiere a la variación natural existente entre muestras tomadas de la misma
población.

Cuando una muestra no es una copias exacta de la población; aún si se ha tenido gran cuidado para
asegurar que dos muestras del mismo tamaño sean representativas de una cierta población, no
esperaríamos que las dos sean idénticas en todos sus detalles. El error muestral es un concepto
importante que ayudará a entender mejor la naturaleza de la estadística inferencial.

Los errores que surgen al tomar las muestras no pueden clasificarse como errores muestrales y se
denominan errores no muestrales.

El sesgo de las muestras es un tipo de error no muestral. El sesgo muestral se refiere a una tendencia
sistemática inherente a un método de muestreo que da estimaciones de un parámetro que son, en
promedio, menores (sesgo negativo), o mayores (sesgo positivo) que el parámetro real.

El sesgo muestral puede suprimirse, o minimizarse, usando la aleatorización.

La aleatorización se refiere a cualquier proceso de selección de una muestra de la población en el que

la selección es imparcial o no está sesgada; una muestra elegida con procedimientos aleatorios se
llama muestra aleatoria.

Los tipos más comunes de técnicas de muestreo aleatorios son el muestreo aleatorio simple, el
muestreo estratificado, el muestreo por conglomerados y el muestreo sistemático.

4
 MÉ TODOS ESTADISTICOS SESIÓ N 8

8.16 TABLA DE NÚMEROS ALEATORIOS.

Las Tablas de Números Aleatorios contienen los dígitos 0, 1, 2,..., 7, 8, 9. Tales dígitos se
pueden leer individualmente o en grupos y en cualquier orden, en columnas hacia abajo,
columnas hacia arriba, en fila, diagonalmente, etc., y es posible considerarlos como aleatorios.
Las tablas se caracterizan por dos cosas que las hacen particularmente útiles para el muestreo
al azar. Una característica es que los dígitos están ordenados de tal manera que la probabilidad
de que aparezca cualquiera en un punto dado de una secuencia es igual a la probabilidad de
que ocurra cualquier otro. La otra es que las combinaciones de dígitos tienen la misma
probabilidad de ocurrir que las otras combinaciones de un número igual de dígitos.
Estas dos condiciones satisfacen los requisitos necesarios para el muestreo aleatorio,
establecidos anteriormente
Existen métodos más eficaces para generar números aleatorios, en muchos de los cuales se
utilizan calculadoras u otra clase de aparatos electrónicos. Las tablas elaboradas mediante estos
métodos son verificadas completamente para asegurarse de que en realidad sean aleatorias. Sin
embargo, el interés no radica en elaborar estas tablas, sino utilizarlas.

8.17 Para utilizar una Tabla de Números Aleatorios:

 Hacer una lista de los elementos de la población.
 Numerar consecutivamente los elementos de la lista, empezando con el cero
 Tomar los números de una Tabla de Números Aleatorios, de manera que la cantidad de
dígitos de cada uno sea igual a la del último elemento numerado de su lista. De ese
modo, si el último número fue 18, 56 ó 72, se deberá tomar un número de dos dígitos.
 Omitir cualquier número que no corresponda con los números de la lista o que repita
cifras seleccionadas anteriormente de la tabla. Continuar hasta obtener el número de
observaciones deseado.
 Utilizar dichos números aleatorios para identificar los elementos de la lista que se habrán
de incluir en la muestra.

5
 MÉ TODOS ESTADISTICOS SESIÓ N 8

Donald B. Owen, Handbook of Statistical Tables, Reading Mass:Addisson-Wesley, 1.962.

3690 2492 7171 7720 6509 7549 2330 5733 4730
0813 6790 6858 1489 2669 3743 1901 4971 8280
6477 5289 4092 4223 6454 7632 7577 2816 9002
0772 2160 7236 0812 4195 5589 0830 8261 9232
5692 9870 3583 8997 1533 6466 8830 7271 3809
2080 3828 7880 0586 8482 7811 6807 3309 2729
1039 3382 7600 1077 4455 8806 1822 1669 7501
7227 0104 4141 1521 9104 5563 1392 8238 4882
8506 6348 4612 8252 1062 1757 0964 2983 2244
5086 0303 7423 3298 3979 2831 2257 1508 7642
0092 1629 0377 3590 2209 4839 6332 1490 3092
0935 5565 2315 8030 7651 5189 0075 9353 1921
2605 3973 8204 4143 2677 0034 8601 3340 8383
7277 9889 0390 5579 4620 5650 0210 2082 4664
5484 3900 3485 0741 9069 5920 4326 7704 6525
6905 7127 5933 1137 7583 6450 5658 7678 3444
8387 5323 3753 1859 6043 0294 5110 6340 9137
4094 4957 0163 9717 4118 4276 9465 8820 4127
4951 3781 5101 1815 7068 6379 7252 1086 8919
9047 0199 5068 7447 1664 9278 1708 3625 2864
7274 9512 0074 6677 8676 0222 3335 1976 1645
9192 4011 0255 5458 6942 8043 6201 1587 0972
0554 1690 6333 1931 9433 2661 8690 2313 6999
9231 5627 1815 7171 8036 1832 2031 6298 6073
3995 9677 7765 3194 3222 4191 2734 4469 8617
2402 6250 9362 7373 4757 1716 1942 0417 5921
5295 7385 5474 2123 7035 9983 5192 1840 6176
5177 1191 2106 3351 5057 0967 4538 1246 3374
7315 3365 7203 1231 0546 6612 1038 1425 2709
5775 7517 8974 3961 2183 5295 3096 8536 9442
5500 2276 6307 2346 1285 7000 5306 0414 3383
3251 8902 8843 2112 8567 8131 8116 5270 5994
5 2192 0874 2897 0262 5092 5541 4014

6
 MÉ TODOS ESTADISTICOS SESIÓ N 8

8.18 DETERMINACION DEL TAMAÑO DE LA MUESTRA

A la hora de determinar el tamaño que debe alcanzar una muestra hay
que tomar en cuenta varios factores: el tipo de muestreo, el parámetro
a estimar, el error muestral admisible, la varianza poblacional y el nivel
de confianza. Por ello antes de presentar algunos casos sencillos de
cálculo del tamaño muestral delimitemos estos factores.
 
PARAMETRO: Son las medidas o datos que se obtienen sobre la
población.
 
ESTADISTICO: Los datos o medidas que se obtienen sobre una
muestra y por lo tanto una estimación de los parámetros.
 
ERROR MUESTRAL, de estimación o standard: Es la diferencia entre
un estadístico y su parámetro correspondiente. Es una medida de la
variabilidad de las estimaciones de muestras repetidas en torno al valor
de la población, nos da una noción clara de hasta dónde y con qué
probabilidad una estimación basada en una muestra se aleja del valor
que se hubiera obtenido por medio de un censo completo. Siempre se
comete un error, pero la naturaleza de la investigación nos indicará
hasta qué medida podemos cometerlo (los resultados se someten a
error muestral e intervalos de confianza que varían muestra a muestra).
Varía según se calcule al principio o al final. Un estadístico será más
preciso en cuanto y tanto su error es más pequeño. Podríamos decir
que es la desviación de la distribución muestral (por distribución
muestral se entiende la distribución de frecuencias de los valores de un
estadístico en infinitas muestras iguales) de un estadístico y su
fiabilidad.
 
NIVEL DE CONFIANZA: Probabilidad de que la estimación efectuada
se ajuste a la realidad. Cualquier información que queremos recoger
está distribuida según una ley de probabilidad (Gauss o Student), así
llamamos nivel de confianza a la probabilidad de que el intervalo
construido en torno a un estadístico capte el verdadero valor del
parámetro.
 
VARIANZA POBLACIONAL: Cuando una población es más
homogénea la varianza es menor y el número de entrevistas
necesarias para construir un modelo reducido del universo, o de la
población, será más pequeño. Generalmente es un valor desconocido y
hay que estimarlo a partir de datos de estudios previos.
 
LA FÓRMULA PARA EL TAMAÑO DE LA MUESTRA DEPENDERÁ SI
SE ESTIMA LA MEDIA DE LA POBLACIÓN O LA PROPORCIÓN DE
LA VARIABLE.

NZ 2 P (1  P )
n PARA LA PROPORCION
( N  1) E 2  Z 2 P (1  P )

7
 MÉ TODOS ESTADISTICOS SESIÓ N 8

NZ 2
n PARA LA MEDIA
( N  1) E 2  Z 2

8.19 MÉTODOS DE MUESTREO PROBABILÍSTICOS:

MUESTREO ALEATORIO SIMPLE: Es la forma más común de obtener una muestra en la

selección al azar, es decir, cada uno de los individuos de una población tiene la misma
posibilidad de ser elegido. Si no se cumple este requisito, se dice que la muestra es viciada.
Para tener la seguridad de que la muestra aleatoria no es viciada, debe emplearse para su
constitución una tabla de números aleatorios.

EJEMPLO
Se tiene una población de 200 personas, determinar si se trabaja con toda la población o
muestra; y si se trabaja con una muestra determinar el tamaño y escoger la muestra.

MUESTREO ALEATORIO SISTEMÁTICO: Es una técnica de muestreo que requiere de una

selección aleatoria inicial de observaciones seguida de otra selección de observaciones obtenida
usando algún sistema o regla.

EJEMPLO
Se tiene una población de 400 personas, determinar si se trabaja con toda la población o
muestra; y si se trabaja con una muestra determinar el tamaño escoger la muestra por
muestro aleatorio sistemático.
MUESTREO ALEATORIO ESTRATIFICADO: Una muestra es estratificada cuando los
elementos de la muestra son proporcionales a su presencia en la población. La presencia de un
elemento en un estrato excluye su presencia en otro. Para este tipo de muestreo, se divide a la
población en varios grupos o estratos con el fin de dar representatividad a los distintos factores
que integran el universo de estudio. Para la selección de los elementos o unidades
representantes, se utiliza el método de muestreo aleatorio.
En síntesis, requiere de separar a la población según grupos llamados estratos, y de elegir
después una muestra aleatoria simple en cada estrato. La información de las muestras
aleatorias simples de cada estrato constituiría entonces una muestra global.

EJEMPLO
Para realizar un control de calidad para determinar en que estado viene la caña se realiza
un muestreo aleatorio simple, puesto que la caña puede provenir de tres tipos de proveedores.
 Proveedor tipo A (estrato 1) la caña proviene de lotes de la misma finca.
 Proveedor tipo B (estrato 2) la caña proviene de fincas de particulares en donde el
ingenio ha prestado servicios
 Proveedor tipo C (estrato 3) la caña proviene de fincas de particulares en donde el
ingenio no ha tenido ningún servicio.

DATOS:

8
 MÉ TODOS ESTADISTICOS SESIÓ N 8

ESTRATO   Ni
    1   560
    2   190
    3   250

MUESTREO ALEATORIO POR ÁREA O CONGLOMERADO: Requiere de elegir una muestra

aleatoria simple de unidades heterogéneas entre sí de la población llamadas conglomerados.
Cada elemento de la población pertenece exactamente a un conglomerado, y los elementos
dentro de cada conglomerado son usualmente heterogéneos o disímiles. Ejemplo:

En el muestreo por conglomerados, éstos se forman para representar, tan fielmente como sea
posible, a toda la población; entonces se usa una muestra aleatoria simple de conglomerados
para estudiarla. Los estudios de instituciones sociales como iglesias, hospitales, escuelas y
prisiones se realizan, generalmente, con base en el muestreo por conglomerados.

EJEMPLO
Para un estudio que se realiza en un AA.HH el cual esta formado por 20 manzanas escoger
una muestra mediante muestreo aleatorio simple.

NUMERO NUMERO NUMERO NUMERO NUMERO NUMERO NUMERO NUMERO

MANZANA DE LOTE MANZANA DE LOTE MANZANA DE LOTE MANZANA DE LOTE

1 20 6 10 11 25 16 20
2 25 7 25 12 20 17 20
3 30 8 20 13 30 18 25
4 10 9 30 14 10 19 30
5 15 10 40 15 15 20 10

8.20 MÉTODOS DE MUESTREO NO PROBABILÍSTICOS:

MUESTREO ACCIDENTAL.- Es un muestreo no probabilística donde el investigador elige a

aquellos individuos que están a mano. Por ejemplo, un periodista que va por la calle
preguntando a las personas que salen a su paso, sin atender ningún criterio especial de
elección. No es probabilística porque aquellas personas que no pasan por ese sitio no tiene la
posibilidad de entrar en la muestra.

MUESTREO POR CUOTAS.- Se aplica en la última fase del muestreo, y consiste en facilitar al
entrevistador el perfil de las personas que tiene que entrevistar dejando su criterio, la elección de
las mismas, siempre y cuando cumplan con el perfil.

MUESTREO INTENCIONADO.- Se basa en una buena estrategia y el buen juicio del

investigador. Se puede elegir las unidades del muestreo. Un caso frecuente es tomar elementos
que se juzgan típicos o representativos de la población, y suponer que los errores en la
selección se compensarán unos con otros. El problema que plantea es que sin una

9
 MÉ TODOS ESTADISTICOS SESIÓ N 8

comprobación de otro tipo, no es posible saber si los casos típicos lo son en realidad, y tampoco
se conoce como afecta a esos casos típicos los posibles cambios que se producen.

Error Muestral
Cualquier medida conlleva algún error. Si se usa la media para medir, estimar, la media poblacional ,
entonces la media muestra, como medida, conlleva algún error. Por ejemplo, supongamos que se ha
obtenido una muestra aleatoria de tamaño 25 de una población con media = 15: si la media de la
muestra es x=12, entonces a la diferencia observada x- = -3 se le denomina el error muestral. Una
media muestral x puede pensarse como la suma de dos cantidades, la media poblacional y el error
muestral; si e denota el error muestral, entonces:

Ejemplo 1.5

Se toman muestras de tamaño 2 de una población consistente en tres valores, 2, 4 y 6, para simular
una población "grande" de manera que el muestreo pueda realizarse un gran número de veces,
supondremos que éste se hace con reemplazo, es decir, el número elegido se reemplaza antes de
seleccionar el siguiente, además, se seleccionan muestras ordenadas. En una muestra ordenada, el
orden en que se seleccionan las observaciones es importante, por tanto, la muestra ordenada (2,4) es
distinta de la muestra ordenada (4,2). En la muestra (4,2), se seleccionó primero 4 y después 2. La
siguiente tabla contiene una lista de todas las muestras ordenadas de tamaño 2 que es posible
seleccionar con reemplazo y también contiene las medias muéstrales y los correspondientes errores
muéstrales. La media poblacional es igual a
= (2+4+6)/3 = 4. Ver la tabla en la siguiente página.

Nótese las interesantes relaciones siguientes contenidas en la tabla:

La media de la colección de medias muéstrales es 4, la media de la población de la que se extraen las

muestras. Si x denota la media de todas las medias muéstrales entonces tenemos:

La media de la colección de medias muéstrales es 4, la media de la población de la que se extraen las

muestras. Si x denota la media de todas las medias muéstrales entonces tenemos:

x = (3+4+3+4+5+5+2+4+6)/9 = 4

La suma de los errores muestrales es cero.

e1 + e2 + e3 + . . . + e9 = (-2) + (-1) + 0 + (-1) + 0 + 1 + 0 + 1 + 2 = 0

Muestras ordenadas x Error muestral e = x -

(2,2) 2 2 – 4 = -2

(2,4) 3 3 – 4 = -1

(2,6) 4 4–4=0

(4,2) 3 3 – 4 = -1

10
 MÉ TODOS ESTADISTICOS SESIÓ N 8

(4,4) 4 4–4=0

(4,6) 5 5–4=1

(6,2) 4 4–4=0

(6,4) 5 5–4=1

(6,6) 6 6–4=2

En consecuencia, si x se usa para medir, estimar, la media poblacional , el promedio de todos los
errores muestrales es cero.

Distribuciones Muéstrales
Las muestras aleatorias obtenidas de una población son, por naturaleza propia, impredecibles. No se
esperaría que dos muestras aleatorias del mismo tamaño y tomadas de la misma población tenga la
misma media muestral o que sean completamente parecidas; puede esperarse que cualquier
estadístico, como la media muestral, calculado a partir de las medias en una muestra aleatoria, cambie
su valor de una muestra a otra, por ello, se quiere estudiar la distribución de todos los valores posibles
de un estadístico. Tales distribuciones serán muy importantes en el estudio de la estadística inferencial,
porque las inferencias sobre las poblaciones se harán usando estadísticas muestrales. Como el análisis
de las distribuciones asociadas con los estadísticos muestrales, podremos juzgar la confiabilidad de un
estadístico muestral como un instrumento para hacer inferencias sobre un parámetro poblacional
desconocido.

Como los valores de un estadístico, tal como x, varían de una muestra aleatoria a otra, se le puede
considerar como una variable aleatoria con su correspondiente distribución de frecuencias.

La distribución de frecuencia de un estadístico muestral se denomina distribución muestral. En

general, la distribución muestral de un estadístico es la de todos sus valores posibles calculados a
partir de muestras del mismo tamaño.

Suponga que se han seleccionado muestras aleatorias de tamaño 20 en una población grande. Se
calcula la madia muestral x para cada muestra; la colección de todas estas medias muestrales recibe el
nombre de distribución muestral de medias, lo que se puede ilustrar en la siguiente figura:

11
 MÉ TODOS ESTADISTICOS SESIÓ N 8

Suponga que se eligen muestras aleatorias de tamaño 20, de una población grande, y se calcula la
deviación estándar de cada una. La colección de todas estas desviaciones estándar muestrales se
llama distribución muestral de la desviación estándar, y lo podemos ver en la siguiente figura:

Ejemplo 1.6

Se eligen muestras ordenadas de tamaño 2, con reemplazo, de la población de valores 0, 2, 4 y 6.

Encuentre:

, la media poblaciona.

, la desviación estándar poblacional.

x, la media de la distribución muestral de medias.

x , la desviación estándar de la distribución muestral de medias.

Además, grafique las frecuencias para la población y para la distribución muestral de medias.

Solución:

a. La media poblacional es:

12
 MÉ TODOS ESTADISTICOS SESIÓ N 8

b. La desviación estándar de la población es:

c. A continuación se listan los elementos de la distribución muestral de la media y la

correspondiente distribución de frecuencias.

La media de la distribución muestral de medias es:

d) La desviación estándar de la distribución muestral de medias es:

13
 MÉ TODOS ESTADISTICOS SESIÓ N 8

De aquí que

podamos deducir que:

Como para cualquier variable aleatoria, la dsitribución muestral de medias tiene una media o valor
esperado, una varianza y una desviación estándar, se puede demostrar que la distribución muestral de
medias tiene una media igual a la media poblacional. Esto es:

14