Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCION
FUNDAMENTOS ESTADISTICA VARIABLE INFERENCIA
A LA
MATEMATICOS DESCRIPTIVA ALEATORIA ESTADISTICA
PROBABILIDAD
CAMPOS DE ANALISIS ESTADISTICO
Parte de los
Muestra elementos de una
población
Descriptiva
Total de elementos
Población Parámetro
que satisfacen un
Estadística (censo) conjunto de
condiciones
Parte de la población de
Muestra un tamaño adecuado y Estadístico
Inferencial representativa seleccionados al azar
con fines inferenciales
Inferencia
Es el proceso a través del cual se describe la población a partir del análisis de la
muestra.
https://www.dinero.com/internacional/articulo/cuantas-generaciones-necesita-
colombia-para-superar-la-pobreza/260664.
https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-
poblacion/censo-nacional-de-poblacion-y-vivenda-2018/como-vivimos.
https://www.elpais.com.co/economia/es-realmente-cali-
una-ciudad-barata-para-vivir.html.
No probabilístico
Estratificado
Probabilístico
Conglomerado
Sistemático
ESTIMACIÓN
DEFINE UNA REGLA QUE INDICA LA FORMA DE LLEGAR A UNA
MEDIDA PARTIENDO DE LOS DATOS DE UNA MUESTRA.
• PUNTUAL
• INTERVALO
• PRUEBA DE HIPOTESIS
ESTIMACIÓN PUNTUAL
መ
Un Valor 𝜃calculado a partir de
la muestra mediante una regla de
juego específica para describir el
parámetro Θ de dicha población.
𝜃መ 𝑒𝑠 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑝𝑢𝑛𝑡𝑎𝑙 𝑑𝑒 Θ
Estadístico 𝜃መ
ˆ f ( x1, x 2,...xn)
Es el 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 puntual del parámetro Θ
2/10/2020
ESTIMADORES PUNTUALES MAS COMUNES
X xni , ˆ x,
P X1 X 2 , Pˆ1 Pˆ2 ,
n
S 2 n11 ( xi X ) 2 S 12 / S 22
2/10/2020
¿Como elegir un estimador puntual?
Propiedades
Insesgadez
Eficiencia
Métodos
Máxima verosimilitud
Momentos
Propiedad de insesgadez de un estimador puntual
Un estimador puntual 𝜃መ
será insesgado si cumple
que,
𝐸 𝜃መ = Θ Estimador Estimador
insesgado sesgado
ത 𝑃 y S2 serán insesgados si:
Los estimadores 𝑋,
E ( X ) 1n E ( xi ) ,
x 1 0si es fracaso
E ( P) E n E xi P con xi
ˆ
n 1 si es exito
E S 2 n11 E ( xi X ) 2 2
EJERCICIO
Pruebe si los siguientes son estimadores puntales insesgados para
los respectivos parámetros µ, P y σ2 en una distribución
la media
la proporción
la varianza
(n 1) E ( x x ) (n 1) E ( x x )
2 2
1 1
i
i
(n 1) E ( x ) ( x )
2
1
i
(n 1) E ( x ) 2( x ) ( x ) n( x )
2
1
2
i i
E ( S2 )
E(S ) (n 1) E ( x ) 2( x ) ( x ) n( x )
2
2 1
2
i i
E (S 2 ) E ( xi ) 2 nE ( x ) 2 /(n 1)
E( x ) nE( x ) /(n 1)
i
2 2
2
Error cuadrático medio de un estimador puntual
B 𝜃መ = 𝑆𝑒𝑠𝑔𝑜= 𝐸 𝜃መ − 𝛩
Cuando 𝐵 𝜃መ = 0, se dice que el estimador puntual es insesgado
Valor Esperado y Varianza para algunos
Estimadores Puntuales
E( X ) Var ( X ) 1n x2
E ( Pˆ ) P Var ( Pˆ ) 1n pq
En E( X X )
1 2 1 2 Var ( X X )
1 2
2
X1
X2 2
muestras 1
n1 x2
1
1
n
2
x22
Indepen-
dientes ˆ P
ˆ) 1
E ( Pˆ Pˆ ) P P Var ( P 1
n 2
p1 q1 n1 p2 q2
1 2 1 2 1 2
Ejercicio
1. Sea X1, X2. . . Xn una muestra aleatoria de una población con media
y varianza 2. Considere los siguientes estimadores para :
𝜃መ 3 = 𝑋ത
X 4X 2 X3
1 1 2 14 X 1 34 X 3
6
MOMENTOS
MAXIMO VEROSIMIL
MINIMOS CUADRADOS
¿Qué es un MOMENTO de orden k en la población?
σ𝑥 𝑥 𝑘 𝑝 𝑥 𝑠𝑖 𝑥 𝑒𝑠 𝑣. 𝑎. 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎
𝐸 𝑋𝑘 = ൞
∞ 𝑘
−∞ 𝑥 𝑓 𝑥 𝑑𝑥 𝑆𝑖 𝑥 𝑒𝑠 𝑣. 𝑎. 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
momento poblacional se
obtienen al igualar el K=1 E(X)=µ
xi1 X
n
momento muestral con
E(X2)= Var(X) +
el respectivo momento [E(X)]2
de la población. Esto es, K=2 xi2
𝑛 n
𝑋𝑖𝑘
= 𝐸(𝑋 𝑘 ) Debe conocerse la función de distribución de X
𝑛
𝑖=1
Volviendo al ejercicio
2. Sea Y1, Y2. . . Yn una muestra aleatoria de una población
exponencial. Encuentre un estimador de momento para
𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ; Θ) = 𝑓 𝑥1 ; Θ ∗ 𝑓 𝑥2 ; Θ ∗ ⋯ ∗ 𝑓 𝑥𝑛 ; Θ
muestreo se aproxima a la 𝑆2
distribución normal a medida que Muestra grande con 𝑋ത ≈ 𝑁 𝜇, ,
desconocida, sin 𝑛
va creciendo el tamaño de la importar la distribución 𝑆
𝜎𝑥ҧ =
muestra. poblacional 𝑛
𝜎2
Esto es, 𝑋ത ≈ 𝑁 𝜇, , 𝑛→∞
𝑛
Tarea: distribución muestral de la media y de la proporción
El precio promedio del galón gasolina corriente en una región es de $9780 con
desviación estándar de $540. Al seleccionar una muestra de 40 estaciones de gasolina
y calcular el promedio en el precio del galón de gasolina corriente, determine
a) el error estándar de la media
b) La probabilidad de que la media muestral este por encima de $10020
c) La probabilidad de que el promedio se ubique entre 9720 y 9840
d) La probabilidad de que la diferencia entre la media muestral y la media
poblacional sea inferior a 0,01
EJERCICIO
Se toma una muestra aleatoria de 25 pastelitos de la planta X donde el peso
se distribuye normal con media 80gr y desviación estándar 5gr. De la planta Y,
se toma otra muestra aleatoria de 36 pastelitos producidos con peso
promedio de 75gr, desviación estándar 3gr y distribución normal.
Que tan probable es que
a. La muestra de pastelitos de la planta X tenga media mayor a 78gr
b. La muestra de pastelitos en X pese más de 2075gr
c. El promedio de los pastelitos de la planta X exceda el promedio de los
pastelitos Y en mas de 3.4gr, pero menos de 5.9gr
Distribución muestral de la proporción
Población en cada caso,
Resultado de la simulación
Sin repetición µ 𝜎2 𝑁 − 𝑛
𝑛 𝑁−1
µ 𝑥ҧ
Con repetición µ 𝜎2
𝑛
𝑃(1 − 𝑃) 𝑁 − 𝑛
Sin repetición P
𝑛 𝑁−1
P 𝑝Ƹ
𝑃(1 − 𝑃)
Con repetición P
𝑛
DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAL
Ejercicio
El director de una empresa piensa que 30% de los pedidos provienen de nuevos
compradores. Para verificar esto, usará una muestra aleatoria simple de 100 pedidos.
Suponiendo que el director está en lo cierto y que p =0,30,
a. ¿Cuál es la distribución muestral de la proporción en este estudio?
b. ¿Cuál es la probabilidad de que la proporción muestral esté entre 0.20 y 0.40?
c. ¿Cuál es la probabilidad que la proporción muestral esté por encima de 0.35?
https://www.upg.mx/wp-content/uploads/2015/10/LIBRO-13-Estadistica-para-administracion-y-economia.pdf
Tomado de
https://www.upg.mx/wp-content/uploads/2015/10/LIBRO-13-Estadistica-para-administracion-y-economia.pdf