La distribución muestral de la media es clave en estadística. ¿Qué es? Es la distribución de todas las medias muestrales posibles que puedes obtener de una población. Imagina que tienes una caja grande con muchas canicas. Cada canica tiene un número escrito. Eso es tu población. Ahora, tomas pequeños grupos de canicas (muestras) y calculas el promedio de cada grupo. La distribución muestral es la lista de todos esos promedios.
Distribución Muestral con Varianza Conocida
A veces, conocemos la varianza (o desviación estándar) de la población original. La varianza nos dice qué tan dispersos están los datos. En este caso, la distribución muestral de la media sigue una distribución normal.
¿Cómo funciona?
Must Read
- Media: La media de la distribución muestral es igual a la media de la población original. Si el promedio de los números en todas las canicas es 10, entonces el promedio de todos los promedios de tus grupos de canicas también será 10.
- Desviación Estándar (Error Estándar): La desviación estándar de la distribución muestral (llamada error estándar) se calcula dividiendo la desviación estándar de la población entre la raíz cuadrada del tamaño de la muestra. Es decir, si sacas grupos más grandes de canicas, el error estándar se reduce, y los promedios de tus grupos estarán más cerca del promedio real de la población.
Ejemplo: Sabemos que la edad promedio de los estudiantes en una universidad es 22 años, con una desviación estándar de 2 años. Tomamos muestras de 100 estudiantes cada vez. La distribución muestral de las medias tendrá una media de 22 años. Su error estándar será 2 / √100 = 0.2 años. Esto significa que los promedios de las edades de los grupos de 100 estudiantes estarán, en promedio, a 0.2 años de los 22 años.
Distribución Muestral con Varianza Desconocida
Más frecuentemente, no conocemos la varianza de la población. En este caso, usamos la distribución t de Student en lugar de la distribución normal. La distribución t es similar a la normal, pero tiene colas más pesadas. Esto significa que es más probable obtener valores extremos (medias muestrales muy diferentes a la media de la población).
¿Por qué usamos la t de Student? Porque estimamos la varianza de la población a partir de la muestra. Esta estimación introduce incertidumbre. La distribución t tiene en cuenta esa incertidumbre.
Grados de Libertad: La distribución t tiene un parámetro llamado grados de libertad. Este valor se calcula como el tamaño de la muestra menos 1 (n-1). Cuanto mayor sea el tamaño de la muestra, más se parece la distribución t a la distribución normal.
Ejemplo: Queremos saber el peso promedio de los perros de una raza. Tomamos una muestra de 20 perros y calculamos su peso promedio y su desviación estándar. No conocemos la desviación estándar de la población de todos los perros de esa raza. En este caso, usaríamos la distribución t de Student con 19 grados de libertad para construir un intervalo de confianza para el peso promedio de la población.
En resumen: Si conoces la varianza de la población, usas la distribución normal. Si no la conoces, usas la distribución t de Student. Ambas distribuciones te ayudan a inferir sobre la población basándote en la información de tus muestras.
