Bioestadística

“Introducción a la teoría de estimación”

MSc. Henry Luis López García
Universidad Nacional Autónoma de Nicaragua
Hen1985

MSc. Henry Luis López García

Objetivos

• Conocer conocer las principales distribuciones muestrales

• Verificar los teoremas propuestos

MSc. Henry Luis López García

Introducción
• Se extrae una muestra de una población utilizando un proceso
aleatorio. De los datos obtenidos, se evalúan varios
estimadores como la media muestral, la varianza, etcétera;
pero no se hace con el propósito de describir la muestra. Si no
con el de obtener información acerca de la media y la varianza
de la población. En otras palabras, se analizan los datos de la
muestra y se evalúan los estimadores con el fin de obtener
estimaciones de los parámetros de la población.

MSc. Henry Luis López García

• Teorema 1.2 Si se selecciona una muestra de tamaño 𝑛 por el
procedimiento de muestreo aleatorio simple, entonces la
media muestral es un estimador insesgado de la media
poblacional: es decir,
𝐸 𝑥ҧ = 𝜇

Estimador Parámetro Comprobar

𝑛
𝑁 𝑁𝑛
1 1 1
𝑥ҧ = ෍ 𝑥𝑖 𝜇 = ෍ 𝑋𝑖 𝐸 𝑥ҧ = 𝑛 ෍ 𝑥ҧ𝑖 = 𝜇
𝑛 𝑁 𝑁
𝑖:1 𝑖:1
𝑖:1

MSc. Henry Luis López García

Ahora estudiaremos la varianza de la media muestral 𝜎 2 𝑥ҧ , la
cual mide la variabilidad de las medias muestrales alrededor de la
media poblacional, si 𝜎 2 𝑥ҧ es pequeña, puede afirmarse que la
media muestral es un buen estimador de 𝜇.

Teorema 1.3 Si se selecciona una muestra de tamaño 𝑛 por el

procedimiento de muestreo aleatorio simple, entonces se cumple
que,

MSc. Henry Luis López García

 2
𝜎
𝜎 2 𝑥ҧ =
𝑛

Estimador Parámetro Comprobar

𝑛 𝑛 2
𝑛 1 1 𝜎
2
1 2 𝜎 2 = ෍ 𝑋𝑖 − 𝜇 2
𝐸 𝑥ҧ − 𝜇 2
= 𝑛 ෍ 𝑥ҧ𝑖 − 𝜇 2
= 𝜎 2 𝑥ҧ =
𝑠 = ෍ 𝑥𝑖 − 𝑥ҧ 𝑁 𝑁 𝑛
𝑛−1 𝑖=1 𝑖:1
𝑖=1

MSc. Henry Luis López García

Teorema 1.4 Si se selecciona una muestra de tamaño 𝑛 por el
procedimiento de muestreo aleatorio simple, entonces la varianza
muestral ,
𝑛
2
1 2
𝑠1 = ෍ 𝑥𝑖 − 𝑥ҧ
𝑛
𝑖=1

Es un estimador sesgado de la varianza poblacional 𝜎 2 , es decir

2 𝑛−1 2
𝐸 𝑆1 = 𝜎
𝑛

MSc. Henry Luis López García

 Estimador Parámetro Comprobar
𝑛 𝑛
2
1 2 2
1 2 𝑁𝑛
𝑠1 = ෍ 𝑥𝑖 − 𝑥ҧ 𝜎 = ෍ 𝑋𝑖 − 𝜇
𝑛 𝑁 2 1
𝑖=1
𝑖=1 𝐸 𝑆1 = 𝑛 ෍ 𝑆1𝑖 2
𝑁
𝑖:1

𝑁𝑛
2 1 2 2 𝑛−1 2
𝐸 𝑆1 = 𝑛 ෍ 𝑆1𝑖 = 𝐸 𝑆1 = 𝜎
𝑁 𝑛
𝑖:1

MSc. Henry Luis López García

Verifique teoremas planteados
1. Sea la población dada: 𝑥1 = 1 , 𝑥2 = 2 , 𝑥3 = 3 suponiendo que la
muestra es de dos, compruebe que se cumplen las propiedades antes
descritas.
2. Sea la población dada: 𝑥1 = 1 , 𝑥2 = 2 , 𝑥3 = 3, 𝑥4 = 4 , 𝑥5 =
5 suponiendo que la muestra es de dos, compruebe que se cumplen las
propiedades antes descritas.
3. Realice la grafica de las medias.

MSc. Henry Luis López García

 Gráfica de la distribución muestral de medias

x <- c(1,1.5, 2, 1.5, 2, 2.5, 2, 2.5, 3)

c <- ggplot(normal, aes(x))
c + geom_histogram(binwidth = 0.5, colour="yellow")

MSc. Henry Luis López García

Bibliografía

Alberca, A. S. (2014). Bioestadística Aplicada con R y RK Teaching. España.

Canavos, G. C. (1988). Probabilidades y Estadística Aplicaciones y Métodos. México.
Castillo, I. (2006). Estadística descriptiva y Cálculo de probabilidades . Madrid: PEARSON EDUCACIÓN .
Daniel, W. W. (1991). Bioestadística Base para el análisis de la ciencias de la salud. México: LIMUSA.
F.Triola, M. (2013). Estadística. México: PEARSON.
Gallego, G. A. (2015). Estadística Básica.
Isaza, L. V. (2012). Estadística Descriptiva con MINITAB. Colombia .
James N. Miller, J. C. (2002). Estadística y Químiometría para Química Analítica. Madrid: Pearson
Educación.S.A.
Joseph F, Ralph E, Ronald, William. (1999). España.
Levine, B. (2014). Estadística para Administración . México: PEARSON.
Triola, M. F. (2013). Estadística . México: PEARSO.

MSc. Henry Luis López García

¿Cómo encontrar el material?

https://github.com/Hen1985/Bioestadistica

MSc. Henry Luis López García