Documentos de Académico
Documentos de Profesional
Documentos de Cultura
𝜎2
𝑥~𝑁
ҧ 𝜇;
𝑛
- Mientras más grande sea “n” la varianza de la media disminuye hasta
tender a límite cero
Teorema Central del Límite (TCL)
- La estandarización de la media muestral queda de la siguiente forma:
𝑥ҧ − 𝜇
𝑍=𝜎
ൗ 𝑛
𝑥~𝐵𝑖𝑛 𝑛; 𝑝
- Si la muestra es lo suficientemente grande 𝑛 ≥ 30 , y bajo el TCL la
distribución de la proporción p distribuye normal de la siguiente manera:
𝑝(1 − 𝑝) 𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛
𝑝~𝑁
Ƹ 𝑝; ; 𝑝=
𝑛 𝑛
Proporción bajo el TCL
- La estandarización de la proporción muestral queda de la siguiente
forma:
𝑝Ƹ − 𝑝
𝑍=
𝑝(1 − 𝑝)
𝑛
𝑛𝑖 ∗ 𝑥𝑖 175
𝜇= = = 2,73 (𝑝𝑎𝑙𝑎𝑏𝑟𝑎𝑠)
𝑛 64
σ 2
2
𝑛 𝑖 ∗ 𝑥𝑖 2
585
𝜎 = − 𝑥ҧ = − 2,732 = 1,6877(𝑝𝑎𝑙𝑎𝑏𝑟𝑎𝑠)2
𝑛 64
Aplicando raíz, nos da la desviación estándar de la distribución de la
media
𝜎 = 1,2991 (𝑝𝑎𝑙𝑎𝑏𝑟𝑎𝑠
Ejercicio 2
Nos preguntan:
3 − 2,73
𝑃 𝑥ҧ ≥ 3 = 1 − 𝑃 𝑥ҧ < 3 = 1 − 𝑃 𝑍 < = 1 − 𝑃 𝑍 < 1,66
1,2991
ൗ
64
Buscando el valor de Z=1,66 en las tablas normal estándar:
= 1 − 𝑃 𝑍 < 1,66 = 1 − 0,9515 = 0,0485
Ejercicio propuesto
1) Una empresa de mensajería que opera en la ciudad tarda una media de 35 minutos en llevar un
paquete, con una desviación típica de 8 minutos. Supongamos que durante el día de hoy han
repartido 200 paquetes.
a) ¿Cuál es la probabilidad de que la media de los tiempos de entrega de hoy esté entre 30 y 35
minutos?.
b) ¿Cuál es la probabilidad de que, en total, para los doscientos paquetes hayan estado más de
115 horas?.
2)
Estimadores
La idea es que, en base a una muestra aleatoria de tamaño “n” vamos a
poder inferir el comportamiento de la población en estudio, mediante
estadísticos muestrales, esquemáticamente sería:
𝐸 𝜃መ = 𝜃
Sesgo(𝜃)
= 𝐸 𝜃 − 𝜃
𝑒𝑠 𝑙𝑎 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑒𝑥𝑖𝑠𝑡𝑒𝑛𝑡𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑛𝑧𝑎 𝑑𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟
𝑦 𝑒𝑙 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜.
≥ 𝑪. 𝑪. 𝑹
El estimador es eficiente si 𝑽 𝜽
Estimadores
3) Consistente: Se dice que un estimador es consistente si el
insesgamiento y la eficiencia puede sostenerse al aumentar el
tamaño de la muestra, esto se realiza mediante los siguientes
limites:
lim 𝐸 𝜃መ = θ
𝑛→∝
lim 𝑉 𝜃መ = 0
𝑛→∝