1.

¿Cuáles son las dos herramientas básicas que se utilizan al hacer

inferencias estadísticas?

R// son: la estimación y el contraste de la hipótesis

2. ¿Por qué los que toman decisiones a menudo miden muestras

en lugar de medir poblaciones completas?

Lo hacemos porque las poblaciones pueden ser demasiado grandes, y tomar

información de una población de millones de personas equivale a un tiempo de
esfuerzo bastante considerable, por lo tanto necesitamos usar una muestra
que represente a la población. 

Esta es una característica esencial de las muestras, que sean representativas,

de lo contrario los resultados estarán sesgados y serán imprecisos. 

¿Cuál es la desventaja?

Requiere de personal altamente calificado. No permite hacer proyecciones

sobre áreas muy pequeñas de la población o sobre poblaciones sujetas a
muchos cambios en un lapso corto de tiempo. Los resultados están sujetos a
los errores del muestreo. Se debe tener en cuenta siempre la población.

3. Explique una limitación que se presenta al hacer una estimación

puntual, pero que no se presenta al hacer

Una limitación que presenta el realizar una estimación puntual, es que esta no

permite estimar el error que podría estar implicado en el resultado de dicho
procedimiento, por tanto resulta insuficiente en cuanto a precisión. Por su parte,
en la estimación de intervalo, se puede indicar el error mediante dos formas: la
amplitud del intervalo de confianza, (lo más pequeña posible), es decir, que el
error en la estimación sea significativamente pequeño y por
la probabilidad de conseguir el parámetro correcto de la población que se
halla dentro del intervalo.

4. ¿Qué es un estimador? ¿En qué se diferencia un estimador de una

estimación?

¿Qué es un estimador?
Un estimador es un estadístico al que se le exigen ciertas condiciones para que
pueda calcular con ciertas garantías ciertos parámetros de una población.

Es decir, un estimador es un estadístico. Ahora bien, no es un estadístico

cualquiera. Es un estadístico con ciertas propiedades. Un ejemplo podría ser
la media o la varianza. Estas métricas tan conocidas, son estimadores.

¿En qué se diferencia un estimador de una estimación?

El estimador es un estadístico muestral con cual se estima un parámetro de la

población. La estimación es un valor específico observado de un estadístico.

5. Dé una lista de los criterios de un buen estimador y descríbalos

brevemente.

Sesgo: Se dice que un estimador es insesgado si la Media de la distribución

del estimador es igual al parámetro.

Estimadores insesgados: son la Media muestral (estimador de la Media de la

población) y la Varianza (estimador de la Varianza de la población)

Eficiencia: Diremos que un estimador es más eficiente que otro si la Varianza

de la distribución muestral del estimador es menor a la del otro estimador.
Cuanto menor es la eficiencia, menor es la confianza de que el estadístico
obtenido en la muestra aproxime al parámetro poblacional.

Consistencia: Un estimador es consistente si aproxima el valor del parámetro

cuanto mayor es n (tamaño de la muestra).

Suficiencia: Un estimador es suficiente si este hace tanto uso de la

información en la muestra que ningún otro estimador.

Ongruencia: Un estadístico es un estimador congruente del parámetro de una

población si, al aumentar el tamaño de la muestra, se logra una seguridad casi
absoluta de que el valor del estadístico se acerca mucho al valor del parámetro
de la población.

Imparcialidad: Esta es una propiedad conveniente de un buen estimador. El

término imparcialidad se refiere al hecho de que una media muestral es un
estimador insesgado de la media de la población, pues la media de la
distribución de muestreo de la medias muéstrales tomadas de una misma
población es igual a la media de esta última.
 6. ¿Qué papel juega la consistencia en la determinación del tamaño
de la muestra?

 La propiedad de consistencia indica que, si tomamos muestras muy grandes

(nn muy grande, creciendo hacia infinito), la varianza se hará próxima a cero,
es decir que obtendremos siempre valores muy próximos entre sí.

Nos asegura que el estimador se vuelve más confiable con muestras más

grandes.