1

UNIVERSIDAD TECNOLÓGICA METROPOLITANA

DEPARTAMENTO DE ESTADÍSTICA Y ECONOMETRÍA

INFERENCIA ESTADÍSTICA

UNIDAD 1.
Distribuciones Muestrales y Estimación de Parámetros

1.1 Conceptos Básicos en Inferencia Estadística

La estadística moderna es un poderoso auxiliar técnico de la administración

científica, que provee a la dirección de las empresas de los elementos de
juicios indispensables para planificar y evaluar el desarrollo de las diversas
actividades asociadas al proceso de toma de decisiones en una
organización.
En particular, las técnicas de la estadística inferencial permiten al estudiante
desarrollar la capacidad de análisis e interpretación de la información
estadística, y su implicancia en contextos poblacionales por lo que resulta
indispensable el conocimiento del instrumental y lenguaje de la disciplina,
aplicado a situaciones concretas del quehacer de las organizaciones
empresariales.
Además, y no menos importante que el punto anterior, es el desarrollo de
la capacidad de trabajo cuantitativo mediante la manipulación sistemática
de masas considerables de datos (Big Data), considerando su calidad y
pertinencia.

Esta asignatura aporta las herramientas estadísticas cuantitativas y

cualitativas, y junto con ello los criterios de análisis que permiten al
profesional la realización de inferencias en el contexto de la problemática de
las organizaciones, con especial énfasis en el ámbito económico y el

PROFESORA PAMELA TORO NÚÑEZ

 2

comportamiento futuro de los mercados, permitiendo la evaluación de

distintos cursos de acción.

Algunos conceptos básicos a tener en cuenta al hacer análisis

inferencial son

→ Población: Supongamos que a una población en estudio se le mide una

característica de interés, que la denominaremos variable aleatoria X. Esta
variable aleatoria tendrá una distribución de probabilidad conocida, tal
como Poisson, Binomial, Exponencial, Normal, etc. Cualquiera de ellas.

→ 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 )

→ A partir de esto definiremos un “estimador” de este parámetro con la

información que recogeremos de una “muestra” a partir de la población
en estudio. Este estimador lo denotaremos como 𝜃̂ que corresponderá a
una función de los datos de la muestra recogida de tamaño n.

𝜃̂ = 𝑓(𝑋1 , 𝑋2 , … 𝑋𝑛 )

→ Desde aquí nace el concepto de muestra aleatoria. Es un conjunto de n

variables aleatorias recogidas desde una misma población en estudio,

PROFESORA PAMELA TORO NÚÑEZ

 3

independientes entre sí, y que, por tanto, tienen la misma distribución

de probabilidad (pues provienen de la misma población)

- La mayoría de los parámetros poblacionales están relacionados con los

valores esperados o varianzas de las distintas distribuciones de probabilidad.
- Por lo general, los parámetros (valores reales) son desconocidos, pues no es
posible medir a la población completa. Es por eso que su valor se “aproxima”
con los estimadores muestrales.
- Existen estimadores naturales asociados a dos distribuciones de probabilidad
más utilizadas, y están basados en la suma de los datos obtenidos en la
muestra.

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.

PROFESORA PAMELA TORO NÚÑEZ