Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Recordemos:
Es un número fijo.
Generalmente no lo conocemos.
variación muestral
Inferencia estadística: es el proceso de
sacar conclusiones de la población
basados en la información de una muestra
de esa población.
Objetivos de la inferencia:
estimación de parámetros,
intervalos de confianza y
La distribución muestral de la
proporción muestral es la distribución
de los valores de las proporciones
muestrales de todas las posibles muestras
del mismo tamaño n tomadas de la
misma población.
Suponga que estamos interesados
en conocer la proporción de mujeres en
Chile. Nuestro parámetro de interés
es:
número de mujeres en Chile
P=
número de habitantes en Chile
HMHHHMMMHHHMHMMHHMHM
Muestra #2:
MMHMHMMHHHHMHHMMMHMM
Muestra #3:
HHMMMHHMHMHMHMMHHMMH
P(1 − P)
σ pˆ =
n
es:
Si el tamaño muestral es n = 4 y la
proporción en la población es P = 0,5
entonces la desviación estándar de p$ es:
P (1 − P ) 0,5(1 − 0,5)
σ pˆ = = = 0,25
n 4
¿Que pasa si aumentamos el tamaño muestral?
0.3
0.25
0.2
P(1-P)
0.15
0.1
0.05
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
P
Sesgo y Precision
Cuando estimamos un parámetro de la
población a partir de una estadística
muestral, nos va a interesar que la
estimación no tenga sesgo y sea precisa.
La figura ilustra la diferencia entre sesgo y
precisión.
Distribución muestral de
una proporción
P(1 − P)
σ pˆ =
n
3. Si n es “suficientemente” grande, la
distribución de la proporción muestral es
aproximadamente Normal:
P (1 − P )
pˆ ~& N ( P, )
n
cuando nP ≥ 5 y n(1-P) ≥ 5
Sangre
P( p̂ ≥ 8,8) =
La media de la población es µ =
Suponga que no conocemos la población o el
valor de µ . Podemos tomar una m.a.s. de
tamaño n=2 de esta población.
Si X ~ N ( µ , σ ) ⇒ x ~ N ( µ , σ )
n
N ( µ , σ ) ⇒ x ~& N ( µ , σ )
Aún si X no es: n
Nota:
Distribution of X
N(300, 1 )
Distribution of X
N(300,25)