Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AD 2018 Clase05 PDF
AD 2018 Clase05 PDF
Carmen Le Foulon
ICP 0502
Miércoles 22 de agosto
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 1 / 18
Hoy veremos
1. Conceptos importantes
3. Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 2 / 18
Conceptos importantes
Variable aleatoria
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 3 / 18
Conceptos importantes
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 4 / 18
Conceptos importantes
F (X = x) = P(X 6 x)
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 5 / 18
Conceptos importantes
F (X = x) = P(X 6 x)
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 6 / 18
Inferencia: parámetro y estimador
Modelo de probabilidad
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 7 / 18
Inferencia: parámetro y estimador
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 8 / 18
Inferencia: parámetro y estimador
Modelo muestral
Para poder realizar inferencia estadı́stica sobre los datos obtenidos de una
muestra, es central determinar cómo se genera la muestra.
El modelo muestral representa este proceso: especifica el tipo de muestra según
cómo esta se ha generado.
Podemos pensar en tres formas:
Muestra aleatoria: las v.a. que la componene son idependientes e
indenticamente distribuidas, es decir, IID.
Muestra independiente: las v.a. que la componen son independientes, pero no
identicamente distribuidas.
Muestra no aleatoria: la v.a. que la componen no son independientes entre sı́.
Si bien es posible generar estimadores y distribución muestral de muestras
independientes, se complejiza mucho su derivación. Nosotros trabajaremos siempre
en base al supuesto de muestra aleatorias, es decir IID.
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 9 / 18
Inferencia: parámetro y estimador
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 10 / 18
Inferencia: parámetro y estimador
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 11 / 18
Inferencia: parámetro y estimador
Parámetros: µ y σ.
Estimador: media, si es muestreo aleatorio, se ha derivado que posee buenas
propiedades.
Estimación: un valor númerico: el promedio de edad de primer consumo de
alcohol en la muestra especı́fica, por ejemplo, 13.8
Distribución muestral: distribución de probabilidad (o función de densidad
en este caso) de la media (el estimador usado) para un determinado valor del
parámetro poblacional.
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 12 / 18
Inferencia: parámetro y estimador
Propiedades estimadores
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 13 / 18
Inferencia: parámetro y estimador
Propiedades estimadores
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 14 / 18
Distribución muestral
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 15 / 18
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 16 / 18
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 17 / 18
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 18 / 18