Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INFERENCIA ESTADÍSTICA
UNIDAD 1.
Distribuciones Muestrales y Estimación de Parámetros
→ Pero ocurre que los parámetros que tienen estas distribuciones ahora
serán desconocidos, ya que por sí la población en estudio no se conoce
completamente. Y recordemos que estos parámetros están asociados a la
esperanza y varianza de la distribución (ver formulario de distribuciones).
→ Es por esto que ahora debemos considerar que estos parámetros son una
función de las N variables aleatorias que componen la población, es decir,
si denominamos θ como un parámetro en general, entonces
𝜃 = 𝑓(𝑋1 , 𝑋2 , … 𝑋𝑁 )
𝜃̂ = 𝑓(𝑋1 , 𝑋2 , … 𝑋𝑛 )
Por ejemplo, supongamos que el tiempo que una persona tarda en llegar a
su lugar de trabajo es una variable aleatoria que distribuye Normal. Sabemos
que su parámetro de promedio corresponde a 𝜇 y que su varianza es 𝜎 2 .
Pero si tenemos que toda la población de Santiago sigue estas mismas
características, ¿conoceremos ese valor promedio y esa varianza? Lo más
razonable sería tomar una muestra representativa que nos indicara los
valores aproximados de esas cifras. De eso se trata la inferencia estadística.