Distribución de muestreo: definición, modelos y ejemplo

Imagina que necesitas conocer la altura media de todos los estudiantes de una universidad con 20.000 alumnos, pero solo tienes tiempo y recursos para medir a 100. ¿Puedes confiar en ese promedio? ¿Qué tan probable es que tu estimación esté cerca del valor real? La respuesta está en un concepto fundamental de la estadística: la distribución de muestreo.

Si estás cursando estadística, economía, psicología o cualquier carrera que maneje datos, entender este tema separa a quienes adivinan de quienes toman decisiones con respaldo matemático. En este artículo no solo aprenderás su definición exacta, sino que explorarás los modelos teóricos (normal, t-Student, chi-cuadrado y F) y resolveremos un ejemplo paso a paso. Al final, podrás aplicar este conocimiento a problemas reales como control de calidad, encuestas políticas o ensayos clínicos.

¿Qué es la distribución de muestreo? Definición clara y sin rodeos

La distribución de muestreo es la distribución de probabilidad de un estadístico (como la media, la proporción o la varianza) calculado a partir de todas las muestras posibles del mismo tamaño extraídas de una población.

Dicho de otro modo: si tomaras 1.000 muestras diferentes de 50 personas cada una, calcularas la media en cada muestra y dibujaras un histograma con esas 1.000 medias, obtendrías la distribución de muestreo de la media. No es la distribución de los datos originales, sino la distribución de los resúmenes de esos datos.

Este concepto es la columna vertebral de la inferencia estadística porque permite cuantificar la incertidumbre. Sin él, no existirían los intervalos de confianza ni los contrastes de hipótesis.

Diferencia clave: distribución poblacional vs. distribución muestral

Teorema Central del Límite (TCL): el motor de las distribuciones de muestreo

Antes de profundizar en los modelos, debes conocer el Teorema Central del Límite: sin importar la forma de la distribución poblacional original, la distribución de muestreo de la media se aproxima a una distribución normal a medida que el tamaño muestral (n) aumenta, generalmente con n ≥ 30.

Esto es revolucionario porque permite usar la distribución normal incluso cuando los datos originales son binarios, asimétricos o uniformes. El TCL explica por qué las encuestas con muestras de 1000 personas funcionan bien aunque la población tenga miles de millones.

Condiciones del TCL:

• Muestreo aleatorio simple
• Independencia entre observaciones (n ≤ 10% de la población si es finita)
• Tamaño muestral suficientemente grande (n≥30 es regla práctica; para poblaciones muy asimétricas se necesita más)

Modelos de distribuciones de muestreo más utilizados

No todas las distribuciones de muestreo son normales. Dependiendo del estadístico que te interese, usarás un modelo teórico diferente.

1. Distribución de muestreo de la media (modelo normal o t-Student)

Caso 1: Varianza poblacional conocida (σ conocida)
El estadístico sigue una distribución normal:$$z=\frac{\bar{x}-\mu }{\sigma \mathrm{/}\sqrt{n}}\sim N(0,1)$$

Caso 2: Varianza poblacional desconocida (σ estimada por s)
Cuando no conoces σ (lo más común), usas la distribución t de Student con n-1 grados de libertad:$$t=\frac{\bar{x}-\mu }{s\mathrm{/}\sqrt{n}}\sim t_{n-1}$$

La t de Student tiene colas más anchas que la normal, lo que refleja mayor incertidumbre al estimar σ. A medida que n crece (>30), la t se aproxima a la normal.

2. Distribución de muestreo de la proporción (modelo binomial aproximado a normal)

Para una proporción poblacional p, la proporción muestral $\widehat{p}$​ sigue (para n grande, np≥5 y n(1-p)≥5):$$\widehat{p}\sim N(p,\sqrt{\frac{p(1-p)}{n}})$$

Esto es vital en encuestas electorales, control de calidad (porcentaje de defectuosos) y estudios médicos (proporción de curaciones).

3. Distribución de muestreo de la varianza (modelo chi-cuadrado)

Si la población es normal, la varianza muestral $s^2$s2 sigue una distribución chi-cuadrado con n-1 grados de libertad:$${\chi }^2=\frac{(n-1)s^2}{{\sigma }^2}\sim {\chi }_{n-1}^2$$

Este modelo se usa para construir intervalos de confianza para la varianza y pruebas de homogeneidad.

4. Distribución de muestreo de la razón de varianzas (modelo F de Fisher)

Cuando comparas dos varianzas poblacionales, el cociente $s_1^2\mathrm{/}{s}_2^2$​ (corregido) sigue una distribución F de Fisher-Snedecor con (n₁-1, n₂-1) grados de libertad:$$F=\frac{s_1^2\mathrm{/}{\sigma }_1^2}{s_2^2\mathrm{/}{\sigma }_2^2}\sim F_{(n_1-1,n_2-1)}$$

Es la base del ANOVA y las pruebas de igualdad de varianzas (ej. prueba de Levene).

Ejemplo práctico paso a paso: estimando la estatura media en una facultad

Contexto: En una facultad con 5000 estudiantes, se desea conocer la estatura media poblacional μ. Se sabe por estudios previos que la desviación típica poblacional σ = 8 cm. Extraemos una muestra aleatoria de n = 36 estudiantes y obtenemos una media muestral $\bar{x}$xˉ = 170 cm.

Preguntas:

1. ¿Cuál es la distribución de muestreo de la media para muestras de tamaño 36?
2. ¿Cuál es la probabilidad de que la media muestral esté entre 168 cm y 172 cm?
3. Construye un intervalo de confianza del 95% para la media poblacional μ.

Solución paso a paso

Paso 1: Identificar los parámetros

• μ = desconocida (lo que queremos estimar)
• σ = 8 cm (conocida)
• n = 36
• $\bar{x}$xˉ = 170 cm

Paso 2: Distribución de muestreo de la media
Por el TCL, aunque la población no sea normal (n=36≥30), la distribución de muestreo de $\bar{x}$xˉ es:$$\bar{x}\sim N(\mu ,\frac{\sigma }{\sqrt{n}})=N(\mu ,\frac{8}{\sqrt{36}})=N(\mu ,\mathrm{1.333\dots })$$

Error estándar = 8/6 = 1.333 cm.

Paso 3: Probabilidad de que xˉxˉ esté entre 168 y 172
Tipificamos con z = (x̄ – μ) / (σ/√n). Pero cuidado: μ es desconocida. Para calcular la probabilidad antes de extraer la muestra, asumimos un valor μ (por ejemplo, si la hipótesis nula fuera μ=170). En la práctica, lo común es estandarizar bajo una hipótesis.

Pero en este ejercicio, supongamos que μ es 170 cm (igual a la muestra observada). Entonces:$$z_1=\frac{168-170}{1.333}=\frac{-2}{1.333}=-1.5$$$$z_2=\frac{172-170}{1.333}=\frac{2}{1.333}=1.5$$

Buscamos en tablas N(0,1): P(Z<1.5)=0.9332; P(Z<-1.5)=0.0668. Diferencia = 0.9332 – 0.0668 = 0.8664.

Interpretación: Hay un 86.6% de probabilidad de que una media muestral (n=36) caiga entre 168 y 172 cm si la media poblacional es 170 cm.

Paso 4: Intervalo de confianza del 95% para μ
Como σ es conocida, usamos la normal:$$I{C}_{95\mathrm{\%}}=\bar{x}\pm z_{\alpha \mathrm{/}2}\cdot \frac{\sigma }{\sqrt{n}}$$​

z_0.025 = 1.96 (para 95% de confianza).$$IC=170\pm 1.96\times 1.333=170\pm 2.612$$$$IC=[167.388,172.612]$$

Conclusión: Tenemos un 95% de confianza en que la verdadera estatura media de los 5000 estudiantes está entre 167.4 cm y 172.6 cm.

Extensión: si σ fuera desconocida

Si no conociéramos σ, estimaríamos s a partir de la muestra (por ejemplo, s=8.5 cm). Entonces usaríamos t de Student con 35 gl:$$t_{0.025,35}\approx 2.030$$$$IC=170\pm 2.030\times (8.5\mathrm{/}6)=170\pm 2.030\times 1.4167=170\pm 2.877$$

El intervalo sería [167.123, 172.877], más ancho por la incertidumbre adicional.

Errores comunes al estudiar distribuciones de muestreo

1. Confundir distribución muestral con distribución de datos: Los datos originales pueden tener cualquier forma; la distribución de muestreo de la media se vuelve normal con n grande.
2. Usar σ/√n como desviación típica de los datos: No. La desviación de los datos es σ; la del estadístico es σ/√n (error estándar).
3. Aplicar la normal cuando n es pequeño y la población no es normal: Si n<30 y la población es muy asimétrica, la distribución de muestreo puede no ser normal. En ese caso, usa bootstrap o pruebas no paramétricas.
4. Olvidar la corrección por población finita: Si la muestra es más del 10% de la población, el error estándar se multiplica por $\sqrt{(N-n)\mathrm{/}(N-1)}$

Aplicaciones reales en diferentes disciplinas

Resultados de aprendizaje

Después de leer este artículo, el estudiante debe ser capaz de:

1. Definir con precisión qué es una distribución de muestreo y diferenciarla de una distribución poblacional.
2. Explicar el Teorema Central del Límite y su importancia para justificar el uso de la normal en muestras grandes.
3. Identificar el modelo de distribución adecuado (normal, t-Student, chi-cuadrado o F) según el estadístico de interés (media, proporción, varianza o razón de varianzas).
4. Calcular el error estándar de la media, la proporción y la varianza a partir de datos muestrales.
5. Aplicar la distribución de muestreo para construir intervalos de confianza e interpretarlos correctamente.
6. Resolver problemas prácticos que impliquen calcular probabilidades sobre medias o proporciones muestrales usando tipificación.
7. Distinguir cuándo usar la distribución normal frente a la t de Student en función de si la varianza poblacional es conocida o no.
8. Evitar los cuatro errores conceptuales más comunes al trabajar con distribuciones de muestreo.
9. Reconocer aplicaciones reales en al menos tres disciplinas (medicina, economía, control de calidad).
10. Utilizar la corrección por población finita cuando el tamaño muestral supera el 10% de la población.

Rodrigo Ricardo Editor y fundador