Distribuciones Muestrales

JOSÉ HUGO ARIAS BOTERO

ANESTESIOLOGÍA.
EPIDEMIOLOGÍA CLÍNICA Esp.
EPIDEMIOLOGÍA Y BIOESTADÍSTICA PhD
 INFERENCIA ESTADISTICA
Proceso de tomar conclusiones acerca de
parámetros con base en información obtenida a
partir de muestras

ESTIMACION POR
ESTIMACION INTERVALOS PRUEBAS DE HIPOTESIS
PUNTUAL Verificar o refutar algún
Obtener un rango de valores
Predecir el valor con alguna «confianza» que supuesto sobre un
de un parámetro contiene el valor del parámetro en la
parámetro población
Distribución Muestral
La distribución de todos los posibles valores que puede asumir
un estimador, calculado a partir de muestras del mismo
tamaño, seleccionadas aleatoriamente de la misma población,
corresponde a la distribución muestral de dicho estimador.
•Teniendo en cuenta que los valores de los estadísticos varían de
una muestra a otra, puede considerarse una variable aleatoria.

•Cuando se toman varias muestras repetidas de tamaño n de una

población con el fin de estimar un parámetro, se puede identificar
un patrón de comportamiento determinado (distribución
muestral).

•El conocimiento de la distribución muestral permite hacer

inferencia estadística.
¿Cómo se llega de la muestra al universo ?

Distribuciones teóricas y teorema del límite central

Aproximación mediante pruebas de hipótesis, estimación

puntual o estimación de parámetros con intervalos.
¿Cómo se llega de la muestra al universo ?

❖Estimadores
A partir de la muestra se genera un estadístico que permitirá estimar
el valor del parámetro en la población
El estimador ideal debe cumplir con algunas condiciones elementales

•Insesgamiento
•Consistencia
•Invarianza (Eficiente)
▪Suficientes
Si se toman muestras repetidas de tamaño n de una población
(M.A.S.), en la distribución muestral de la media:

El promedio de los valores posibles estimados es un estimador

insesgado del parámetro.

La distribución del estimador tiene una desviación estándar que mide

la dispersión de la distribución muestral (Error Estándar).

Con n suficientemente grande, la distribución muestral es

aproximadamente normal (Teorema el Límite Central).
TEOREMA DEL LÍMITE CENTRAL
TEOREMA DEL LÍMITE CENTRAL

x−
z= → N (0,1)

n
La distribución de los estimadores que se calculan en
muestras sucesivas en las mismas condiciones sigue
una distribución normal cuya media se aproxima al
parámetro.

Se requiere que la muestra sea grande n ≥ 30

Distribuciones Muestrales
Distribución muestral de una media

ത
𝑋−𝜇
Z= 𝜎
ൗ 𝑛
Suponga que, en una población grande de seres humanos, la
dimensión del diámetro craneal distribuye aproximadamente
normal con una media de 185,6 mms y una deviación estándar
de 12,7mms. ¿Cuál es la probabilidad de que una muestra
aleatoria de tamaño 30 de esta población tenga una media
mayor de 190?
Distribuciones Muestrales
Corrección para poblaciones finitas:
Cuando se hace un muestreo sin reemplazos para una población
finita, la varianza de la distribución muestral requiere una corrección:

σ2 𝑁 − 𝑛
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = .
𝑛 𝑁−1

Este factor puede ignorarse cuando la muestra es pequeña en relación con la

población (menor a 5% de la población).
Distribuciones Muestrales

Distribución muestral de una diferencia de medias

( 𝑋1 −𝑋ത 2) −(𝜇1−𝜇2)
Z=
𝜎12 /𝑛1+𝜎22 /𝑛2
Distribuciones Muestrales
Distribución muestral de una proporción

ො
𝑝−𝑝
Z= 𝑝𝑞
𝑛

Esto aplica cuando np y nq son mayores a 5

Distribuciones Muestrales
Distribución muestral de una diferencia de proporciones
Distribuciones Muestrales
Distribución muestral de una varianza
Distribuciones Muestrales
Distribución muestral de un cociente de varianzas
Distribuciones Muestrales
Distribución muestral de un cociente de varianzas
Estimación por Intervalos
Rango de valores dentro del cual se confía en que esté
el valor real del parámetro.

Requiere determinar el nivel de confianza

El error estándar define la variabilidad de la distribución muestral del

estimador y es importante para construir el intervalo de confianza.
¿Cómo se construye un IC ?
-Se estima el parámetro.
-Se estima la variación del parámetro
Cálculo del error estándar (EE)
-Se verifica la distribución teórica que sigue el estimador
muestral.
-Se multiplica el error estándar por el valor de Zα/2 o el que sea
pertinente.
-Se calculan los límites del intervalo
-Se concluye con la estimación del intervalo