ESTIMADORES INSESGADOS: es aquel cuya esperanza matemática coincide con el

valor del parámetro que sea desea estimar. En caso de no coincidir se dice que el
estimador tiene sesgo. La razón de buscar un estimador insesgado es que el parámetro
que deseamos estimar esté bien estimado.

En caso de que la esperanza del estimador no coincida con el verdadero valor del
parámetro se dice que el estimador tiene un sesgo. El sesgo se mide como la diferencia
entre el valor de la esperanza del estimador y el valor verdadero.

INFERENCIA PARAMETRICA: es una parte de la inferencia estadística que utiliza

estadísticos y criterios de resolución fundamentados en distribuciones conocidas. como
parte de la inferencia estadística, trata de estimar determinados parámetros de una
población de datos. La estimación, como casi siempre en estadística, se realiza sobre
una muestra estadística. Ahora bien, la estadística paramétrica siempre basa sus cálculos
suponiendo que la distribución de la variable a estudiar es conocida.

INFERIR: es una conclusión basada en evidencias existentes, todo mediante un proceso

de pensamiento lógico que considera todos los factores presentes de manera objetiva y
fuente confiable, para luego tomar una decisión o determinación informada.

Por Andrés Perozo

MUESTREO ALEATORIO: es aquel procedimiento de selección de la muestra en el que

todos y cada uno de los elementos de la población tiene una cierta probabilidad de
resultar elegidos. De esta forma, si tenemos una población de N elementos y estamos
interesados en obtener una muestra de n elementos (muestra de tamaño n), cada
subconjunto de n elementos de la población tendrá también una cierta probabilidad de
resultar la muestra elegida. Si designamos por Mi a cada uno de estos subconjuntos, con
i= 1,2,3,...N; cada Mi tendrá una cierta probabilidad P(Mi) de resultar elegido.

MUESTREO OPINATICO: es aquel procedimiento de selección de los elementos

muestrales que se realiza según el criterio del investigador. Es, por tanto, subjetivo y la
muestra obtenida puede no ser representativa de la población.

METODO BOOTSTRAP: es un modo de estimar la medida de precisión de los

estimadores muestrales denominado el error estándar del estimador. Esta técnica permite
la estimación de la distribución muestral de cualquier estimador utilizando únicamente un
método de remuestreo. Lo anterior es útil para calcular intervalos de confianza y pruebas
de hipótesis de estadísticos como la mediana muestral, la correlación muestral, etc.

El método Bootstrap es una buena opción para realizar estimaciones cuando los
estadísticos son difíciles de manipular algebraicamente y no se puede encontrar una
expresión matemática de sus estadísticas como el error estándar del estimador de la
mediana, en vista que dicho estimador está relacionado con los estadísticos de orden, su
función de probabilidad depende del tamaño de la muestra y de la función de distribución
de donde es extraída la muestra aleatoria.

regionde aceptación

VARIABLES ALEATORIAS : son una muestra aleatoria de tamaño n ;representadas

como (X1,X2……Xn) si :a) las Xi son variables aleatorias independientes , y b)cada Xi
tiene la misma distribución de probabilidad

VARIANZA: es una medida de la dispersión de una variable aleatoria (valores que se

obtienen de manera aleatoria). Es ampliamente utilizada en el área de estadística
expresando, a través de un número, la variabilidad de dicha dispersión.