Estad�stico muestral

En estad�stica un estad�stico (muestral) es una medida cuantitativa, derivada de un

conjunto de datos de una muestra, con el objetivo de estimar o inferir
caracter�sticas de una poblaci�n o modelo estad�stico.

M�s formalmente un estad�stico es una funci�n medible T que, dada una muestra
estad�stica de valores {\displaystyle (X_{1},X_{2},...,X_{n})} (X_1,X_2,...,X_n),
les asigna un n�mero, {\displaystyle T(X_{1},X_{2},...,X_{n})} T(X_1,X_2,...,X_n),
que sirve para estimar determinado par�metro de la distribuci�n de la que procede
la muestra. As�, por ejemplo, la media de los valores de una muestra (media
muestral) sirve para estimar la media de la poblaci�n de la que se ha extra�do la
misma; la varianza muestral podr�a usarse para estimar la varianza poblacional,
etc.1? Esto se denomina como realizar una estimaci�n puntual.

�ndice
1 Ejemplos
1.1 Media muestral
1.2 Varianza muestral
1.3 Momentos muestrales
2 Propiedades
2.1 Suficiencia
3 Aplicaciones
3.1 Estimaci�n puntual
3.2 Contraste de hip�tesis
3.2.1 Prueba o test ?2 (chi-cuadrado)
3.2.2 Test t-Student
3.2.3 test F-Snedecor
4 V�ase tambi�n
5 Referencias
Ejemplos
Media muestral
Art�culo principal: Media muestral
Si se tiene una muestra estad�stica de valores {\displaystyle
(X_{1},X_{2},...,X_{n})} (X_1,X_2,...,X_n) para una variable aleatoria X con
distribuci�n de probabilidad F(x,?) (donde ? es un conjunto de par�metros de la
distribuci�n) se define la media muestral n-�sima como:

{\displaystyle {\bar {X}}_{n}=T(X_{1},X_{2},...,X_{n})={\frac {1}{n}}\sum

_{i=1}^{n}X_{i}={\frac {X_{1}+X_{2}+...+X_{n}}{n}}} \bar{X}_n = T(X_1,X_2,...,X_n)
= \frac{1}{n} \sum_{i=1}^n X_i = \frac{X_1+X_2+...+X_n}{n}

Varianza muestral
De forma an�loga a la media muestral y utilizando los mismos elementos que en la
misma, la definici�n de varianza muestral es la siguiente:

{\displaystyle S_{n}^{2}=T((X_{1}-{\bar {X}}_{n})^{2},(X_{2}-{\bar

{X}}_{n})^{2},...,(X_{n}-{\bar {X}}_{n})^{2})={\frac {1}{n-1}}\sum _{i=1}^{n}
(X_{i}-{\bar {X_{n}}})^{2}={\overline {X_{n}^{2}}}-({\bar {X}})^{2}} S_n^2 =
T((X_1-\bar{X}_n)^2,(X_2-\bar{X}_n)^2,...,(X_n-\bar{X}_n)^2) = \frac{1}{n-1}
\sum_{i=1}^n (X_i-\bar{X_n})^2= \overline{X_{n}^{2}}-(\bar{X})^2

Momentos muestrales
Con las mismas notaciones usadas a la media y varianza muestral se define el
estad�stico momento muestral no centrado como:

{\displaystyle m_{k}=M_{k}(X_{1},X_{2},...,X_{n})={\frac {1}{n}}\sum

_{i=1}^{n}X_{i}^{k}} m_{k} = M_k(X_1,X_2,...,X_n) = \frac{1}{n} \sum_{i=1}^n X_i^k

N�tese que m1 es precisamente la media muestral. An�logamente se define el

estad�stico momento muestral centrado como:

{\displaystyle a_{k}=M_{k}^{c}(X_{1},X_{2},...,X_{n})={\frac {1}{n}}\sum _{i=1}^{n}

(X_{i}-{\bar {X}}_{n})^{k}} a_{k} = M_k^c(X_1,X_2,...,X_n) = \frac{1}{n}
\sum_{i=1}^n (X_i-\bar{X}_n)^k

que guarda las siguientes relaciones con estad�sticos previamente definidos:

{\displaystyle a_{1}=0\qquad a_{2}=m_{2}-m_{1}^{2}={\frac {n-1}{n}}S_{n}^{2}} a_1 =

0 \qquad a_2 = m_2 -m_1^2 = \frac{n-1}{n}S_n^2

Propiedades
Suficiencia
El concepto de estad�stico suficiente fue introducido por Fisher en 1922, y como
originalmente indic�, un estad�stico es suficiente para los objetivos de la
inferencia estad�stica si contiene, en cierto sentido, toda la �informaci�n� acerca
de la funci�n de distribuci�n a partir de la cual se ha generado la muestra.

Formalmente si {\displaystyle X_{1},X_{2},...,X_{n}\;} X_1, X_2, ..., X_n\; es una

muestra de una variable aleatoria {\displaystyle X\;} X\; cuya distribuci�n de
probabilidad pertenece a una familia de distribuciones dadas por un vector
param�trico {\displaystyle {\mathcal {F}}=\{F_{\theta }|\theta \in \Theta \}}
\mathcal{F} = \{F_\theta| \theta \in \Theta\}, entonces se dice que un cierto
estad�stico {\displaystyle T=T(X_{1},X_{2},...,X_{n})\;} T = T(X_1, X_2, ...,
X_n)\; es suficiente para ? o para la familia si y s�lo si, la distribuci�n
condicionada de {\displaystyle X_{1},X_{2},...,X_{n}|T\;} X_1, X_2, ..., X_n|T \;
no depende de {\displaystyle \Theta \;} \Theta \;.

Aplicaciones
Estimaci�n puntual
Art�culo principal: Estimador
La estimaci�n puntual consiste en utilizar el valor de un estad�stico, denominado
estimador, para calcular el valor de un par�metro desconocido de una poblaci�n. Por
ejemplo, cuando usamos la media muestral para estimar la media de una poblaci�n, o
la proporci�n de una muestra para estimar el par�metro de una distribuci�n
binomial.

Una estimaci�n puntual de alg�n par�metro de una poblaci�n es un solo valor

obtenido a partir de un estad�stico.

Contraste de hip�tesis
Art�culo principal: Contraste de hip�tesis
Prueba o test ?2 (chi-cuadrado)
Art�culo principal: Prueba de chi-cuadrado
Test t-Student
Es un test que permite decidir si dos variables aleatorias normales (gausianas) y
con la misma varianza tienen medias diferentes. Dada la ubicuidad de la
distribuci�n normal o gausiana el test puede aplicarse en numerosos contextos, para
comprobar si la modificaci�n en las condiciones de un proceso (humano o natural)
esencialmente aleatorio producen una elevaci�n o disminuci�n de la media
poblacional. El test opera decidiendo si una diferencia en la media muestral entre
dos muestras es estad�sticamente significativa, y entonces poder afirmar que las
dos muestras corresponden a distribuciones de probabilidad de media poblacional
distinta, o por el contrario afirmar que la diferencia de medias puede deberse a
oscilaciones estad�sticas azarosas.

La eficacia del test aumenta con el n�mero de datos del que constan las dos
muestras, en concreto del n�mero de grados de libertad conjunto de las dos
muestras, este n�mero viene dado por {\displaystyle GL=N_{1}+N_{2}-2} GL = N_1 +
N_2 - 2 (siendo Ni el tama�o muestral, es decir, el n�mero de datos en cada muestra
i). La prueba consiste en examinar el estad�stico t obtenido a partir de las dos
muestras como:

{\displaystyle t={\frac {{\bar {X}}_{A}-{\bar {X}}_{B}}{s_{X_{A}-X_{B}}}}\qquad \

s_{X_{A}-X_{B}}:={\sqrt {{({N}_{1}-1)s_{1}^{2}+({N}_{2}-1)s_{2}^{2} \over {N}_{1}+
{N}_{2}-2}\left({1 \over N_{1}}+{1 \over N_{2}}\right)}}} t = \frac{\bar{X}_A -
\bar{X}_B}{s_{X_A - X_B}} \qquad \ s_{X_A - X_B} := \sqrt{{({N}_1 - 1) s_1^2 +
({N}_2 - 1) s_2^2 \over {N}_1 + {N}_2 - 2}\left({1 \over N_1} + {1 \over
N_2}\right)}