Binomial: E(x)=np ; V(x)=np(1-p); x~Bi(n, p) | Poisson: E(x)=V(x)= ; x~P() | Uniforme: E(x)=(b+a)/2; V(x)=(b-a)2/12; x~U(a,b)

Exponencial: E(x)=1/; V(x)=1/2; x~Exp() | Normal: E(x)=; V(x)=2; x~N(, 2) .

E(axbx)= aE(x)bE(x) | V(axbx)= a2V(x)+b2V(x) | V(x)= E(x2)-(E(x))2 | E(x2)= 2+ 2

Unidad de Observacin (elemento): Objeto sobre el cual se realiza una mediacin

Poblacin Objetivo: Coleccin de unidades de observacin que se desea estudiar. Difcil de definir.
Muestra: Subconjunto de la poblacin. Pueden ser probabilsticas o no probabilsticas. Con las muestras probabilsticas se puede
inferir sobre la poblacin.
Unidad de Muestreo: donde voy a muestriar.
Marco de muestra: lista de unidades de muestreo
Parmetro: caracterstica numrica de la poblacin.
Estadstico (Estadgrafo): Caracterstica de la muestra y se usa para estimar el valor del parmetro poblacional.
Estimacin: Objetivo principal de la estadstica inferencial. Realizar inferencias con la muestra sobre la poblacin
Sesgo de un Estimador:
o Estimacin Puntual: Valor nico estadstico. Se usa para estimar un parmetro. Tiene varios mtodos:
Mxima Verosimilitud
X~f(x, ). es el parmetro
1. L(x, )==1 f(x, )
2. ln (L(x, ))==1 ln(f(x, ))
3. Separar, igualar a 0 y aplicar derivada en funcin del parmetro
/*d/d
4. Despejar el parmetro, y dejarlo con la notacin:

Mtodo de los Momentos

- Si dos variables aleatorias tienen los mismos momentos, entonces dichas variables tienen o siguen la misma funcin
de densidad. Los momentos de la poblacin (ar) se parecern a los momentos de la muestra (br)
- K es el numero de parmetros, y como son semejantes se pueden igualar: ar= br. = =1
Ej: x~N(, ). Estimar , 2
Tiene 2 parmetro a1= ; a2= 2 + 2
1. El primer momento es la media E(x)=1/
2. Igualar los momentos poblacionales con los mustrales

= =1
= ; 2 = =1
2;

Error Cuadrtico medio, Mnimos Cuadrados

Propiedades de los Estimadores:

)= ECM(
o Insesgamiento: su sesgo es 0. E(
)=V(
)
o Eficiencia: si para estimar un mismo parmetro, disponemos de varios
estimadores insesgados, el estimador eficiente ser el de menor
varianza.

Consistencia: a medida que crece el tamao de la muestra las

estimaciones que nos proporciona el estimador se aproximan cada vez
ms al valor del parmetro
) = 0
Definido en clases como lim (
0

*Por lo que si es consistente es insesgado

Suficiencia: Cuando se aprovecha toda la informacin muestral

 Si no dan nivel de confianza, ocupar 95%

Si n30T-student
(-1)100%=Nivel de confianza
Estimacin media poblacional ():
o Distribucin Cualquiera, Varianza poblacional conocida o desconocida, muestra grande:
o Distribucin Cualquiera , Varianza poblacional desconocida, muestra pequea (n30):
Estimacin de una proporcin poblacional:
o Distribucin Binomial, Varianza poblacional desconocida:
- P=x/n x=numero de xitos, n: total muestra
Estimacin de una Varianza poblacional (2):
o Distribucin Normal, tamao muestra cualquiera
Estimacin de diferencia de medias poblacionales (1- 2):
o Si el intervalo incluye al 0, las medias son iguales
o Dist. Normal, Varianza poblacional desconocidas e iguales,
variables independientes, tamao pequeo muestral:
o Dist. Normal, Varianza poblacional conocida o
desconocida, variables independientes, tamao muestral grande:
Estimacin de una diferencia de proporciones poblacionales (P1-P2):
o Dist. Binomial, varianza poblacional desconocida, ambas grandes
- Si incluye el 0, las Varianzas poblacionales son iguales
Estimacin de un cociente de Varianzas Poblaciones (12- 22):
o Dist. Normal, tamao cualquiera:
-

Se responde: con un nivel de confianza de (1-)100% y en base a la evidencia muestral, es posible afirmar que el invervalo [L1,
L2] contiene a la ____ poblacin
*Nota: en los intervalos debera decir: (1-)100%

Otros:
1 1 + 2 2
=
1 + 2
( > ) = 1 <
(

P(z< -a)= 1-P(z< a)

Bonus Track:

Muestreo aleatorio Simple: Se enumera la poblacin, y mediante un mtodo mecnico se sacan elementos al azar. Es simple y
muy poco til para poblaciones grandes.
Muestreo Aleatorio Sistemtico: Enumera a la poblacin, se elige un punto de partida y se van sacando elementos de la
poblacin de k en k. n= elementos de la muestra. N elementos de la poblacin. k= N/n. El riesgo es que si la poblacin tiene
sectores con periodicidad, se puede inducir una periodicidad en la muestra.
Muestreo Aleatorio Estratificado: Considera categoras tpicas diferentes entre si, definidas por alguna caracterstica en comn.
Cada estrato es independiente y se pueden aplicar muestreo aleatorio simple para elegir la muestra. Homogneo en si, y
heterogneos entre ellos.
Ej: profesin, sexo, estado civil, comuna.
o Afijacin Simple: cada estrato tiene igual n
o Afijacin Proporcional: se distribuye de acuerdo al tamao de la poblacin.
o Afijacin Optima: Considera la proporcin y desviacin tpica
Muestreo Aleatorio por Conglomerados: Se seleccionan conglomerados heterogneos en si, pero homogneos entre
conglomerados. Ej: se desea saber el nivel de infeccin de gusanos en manzanas, los conglomerados serian arboles.