Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Muestras aleatorias
Fuente: https://bit.ly/34kT1IC
Introducción a la inferencia estadística
“Si por ejemplo, X está distribuida de manera normal, se dice que la población está distribuida
normalmente o que se tiene una población normal. De manera similar, si X tiene una distribución
binomial, se dice que la población está distribuida binomialmente o que se tiene una población binomial”
(Spiegel, 2013, p. 154).
Introducción a la inferencia estadística
Estadísticos muestrales
La diferencia entre estimador y parámetro es que este último es una cantidad numérica calculada de la
población y el estimador es de la muestra.
El estimador, al ser calculado con datos muestrales, proporciona información sobre el valor del parámetro
poblacional. Por ejemplo, la media muestral es un estimador de la media de la población.
Introducción a la inferencia estadística
Métodos de inferencia
Existen dos métodos de inferencia:
Inferencia • La estimación.
estadística • El contraste de hipótesis.
“La diferencia entre el contraste de hipótesis y la estimación por intervalo consiste en que en la primera
se establece una hipótesis acerca del parámetro antes de realizar el estudio; con fundamento en el
resultado del estadístico muestral, se rechaza o no dicha hipótesis. En cambio, en la estimación por
intervalo se consideran todos los posibles valores del parámetro” (Elorza, 2008, p. 308).
Introducción a la inferencia estadística
Distribuciones muestrales
La distribución de la población.
La distribución
muestral de un El tamaño muestral.
estadístico
El método en que se seleccionó
depende de:
la muestra.
Fuente: https://bit.ly/39WEjIZ
Distribuciones muestrales
Teoremas
Distribuciones muestrales
Teoremas
Si la distribución de la que se toman las muestras está distribuida normalmente con media y
4 varianza , entonces la media muestral está distribuida de manera normal, con media μ y
varianza
Teorema del límite central: Si es la media de la muestra aleatoria de tamaño n, tomada de una
5 población con media y varianza finita
está dada por:
, entonces la variable estandarizada correspondiente
Distribuciones muestrales
Ejemplo:
Una empresa de productos eléctricos fábrica ampolletas cuya duración se distribuye aproximadamente
normal con media 700 horas y desviación estándar de 50 horas. Determine la probabilidad de que tomando
una muestra aleatoria de 25 ampolletas, tenga una vida promedio menor a 680 horas.
La probabilidad pedida:
Distribuciones muestrales
Distribuciones muestrales
Ejemplo:
Distribuciones muestrales
Ejemplo:
Datos
Distribuciones muestrales
Distribución muestral de proporciones
Distribuciones muestrales
El estadístico de la proporción muestra es:
Fuente: https://bit.ly/3aUFGcN
Ejemplo: una fábrica de piezas de acero, encuentra que en su producción habitual, un 3% de las piezas es
defectuosa. Se le vende a un cliente 500 de estas piezas. ¿Cuál es la probabilidad de que encuentre más de
un 5% de piezas defectuosas?
Distribuciones muestrales
Distribución muestral de diferencia de proporciones
Distribuciones muestrales
Distribuciones muestrales
Desarrollo:
Fuente: https://n9.cl/t07wj
Introducción a la inferencia estadística
La estimación puntual busca calcular un número que se aproxime al verdadero valor del parámetro,
utilizando una muestra.
“La estimación estadística es el proceso mediante el cual intentamos
determinar el valor de un parámetro de la población, sin hacer un
censo y a partir de la información de la muestra. Una estimación, en
concreto, es el valor numérico que asignamos a un parámetro y el
estimador es el estadístico de la muestra utilizado para hacer la
estimación” (Llinás, 2017, p. 79).
Insesgado: un estimador debiese estar “cerca” del valor real del parámetro desconocido.
1 El estimador puntual es un estimador insesgado del parámetro .
Si el estimador no es insesgado, la diferencia se llama sesgo del estimador .
Eficiente: se preferirá el estimador cuya varianza sea la mínima con respecto de otros estimadores
2 del mismo parámetro.
Sean dos estimadores insesgados de obtenidos en muestras del mismo tamaño. Entonces,
a) Se dice que es más eficiente que , si la varianza de la distribución muestral de es menor
que la de la distribución muestral de . Es decir, si .
Consistente: cuando al ir aumentando el tamaño de la muestra el estimador se acerca cada vez más
4 al parámetro.
El número de lechugas hidropónicas en la i-ésima hilera que acelera los días de cosecha
con estas nuevas condiciones. Halle una estimación puntual de p , relativo a la
Fuente: https://bit.ly/2Rv0Oyx
proporción de lechugas hidropónicas por hilera que acelera los días de cosecha,
usando el método de los momentos.
Introducción a la inferencia estadística
Por lo tanto, la estimación de con el método de los momentos es: Fuente: https://n9.cl/kk39n
Introducción a la inferencia estadística
Este método trata de encontrar el valor del parámetro para el cual sea máxima la
probabilidad de haber obtenido los valores muestrales encontrados.
Introducción a la inferencia estadística
Al igualar a cero
Bibliografía
Elorza, H. (2008). Estadística para las Ciencias Sociales, del comportamiento y de la salud (3a. Ed.). México: Cengage
Learning.
Gutiérrez. E., Vladimirovna, O. (2016). Estadística Inferencial 1 para ingeniería y ciencias. México: Grupo Editorial
Patria.
Llinás, H. (2017). Estadística Inferencial (9a. Ed.). Colombia: Editorial Universidad del Norte.
Walpole, R., Myers, R., Myers, S. & Ye, K. (2012). Probabilidad y estadística para ingeniería y ciencias (9a . Ed.).