Distribución Muestral de la Media

Imaginate que tienes que calcular la estatura promedio de todos los estudiantes de tu colegio. En lugar de medir a todos (¡qué pereza!), puedes tomar varias muestras pequeñas y ver cómo se comportan sus promedios.

La distribución muestral de la media te dice exactamente qué esperar. Si tu población es normal, la media muestral también será normal con la misma media μ pero con menos variabilidad $σ/√n$. Esto significa que tus muestras van a estar más concentradas alrededor del verdadero promedio.

Acá viene lo genial: aunque tu población no sea normal, el teorema del límite central te salva. Si tomas muestras de al menos 30 elementos, la distribución de las medias muestrales se vuelve aproximadamente normal. ¡Es como magia estadística!

Dato clave: El error estándar $SE = σ/√n$ te dice qué tan dispersas están tus medias muestrales. Entre más grande sea tu muestra, menor será el error.

Distribución Muestral de la Proporción

Ahora pensemos en proporciones: ¿qué porcentaje de estudiantes prefiere matemáticas sobre español? Acá no estamos promediando números, sino contando "sí" y "no".

La proporción muestral (p̂) también sigue una distribución aproximadamente normal cuando tienes muestras suficientemente grandes. La regla es que tanto np como nq deben ser mayores a 5. Su media será p (la proporción real de la población) y su error estándar será √(pq/n).

Para calcular probabilidades, usas la fórmula de estandarización: z = $p̂ - p$/√(pq/n). Esto te convierte cualquier problema de proporciones en uno que puedes resolver con la tabla normal.

Los ejercicios muestran casos súper prácticos: desde estimar qué tan probable es encontrar cierto porcentaje de estudiantes de ingeniería, hasta predecir estaturas promedio. ¡Es estadística aplicada a la vida real!

Consejo práctico: Siempre verifica que np > 5 y nq > 5 antes de usar la aproximación normal para proporciones.