UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

FACULTAD DE CIENCIAS EMPRESARIALES

LICENCIATURA EN CONTABILIDAD Y
AUDITORÍA

Estadística Inferencial.

Docente:
Ing. VELOZ SEGURA ELIZABETH ALEXANDRA

Autor:
Kevin Gabriel Venegas Guamán

Curso:
4to CPA ¨A¨

Año Electivo:
2021

Quevedo-Ecuador
 TEOREMA CENTRAL DE LÍMITES.
El teorema central del límite es uno de los resultados fundamentales de la estadística.
Este teorema nos dice que si una muestra es lo bastante grande (generalmente cuando el
tamaño muestral (n) supera los 30), sea cual sea la distribución de la media muestral,
seguirá aproximadamente una distribución normal. Es decir, dada cualquier variable
aleatoria, si extraemos muestras de tamaño n (n>30) y calculamos los promedios
muestrales, dichos promedios seguirán una distribución normal. Además, la media será
la misma que la de la variable de interés, y la desviación estándar de la media muestral
será aproximadamente el error estándar.

Un caso concreto del teorema central del límite es la distribución binomial. A partir de
n=30, la distribución binomial se comporta estadísticamente como una normal, por lo
que podemos aplicar los test estadísticos apropiados para esta distribución.

La importancia del teorema central del límite radica en que, mediante un conjunto de
teoremas, se desvela las razones por las cuales, en muchos campos de aplicación, se
encuentran en todo momento distribuciones normales o casi normales.

ESTIMACIÓN PUNTUAL E INTERVALOS DE CONFIANZA.

ESTIMACIÓN PUNTUAL.

El objetivo de la estimación puntual es aproximar el valor del parámetro desconocido

(tiempo medio de ejecución de un algoritmo, altura media de las mujeres de una
población, diferencia del resultado medio entre dos tratamientos médicos, proporción de
gente que mejora con un tratamiento médico…)

Para ello se utiliza la información de la muestra (x1,x2,…,xn, a través de un estimador.

Algunos estimadores frecuentes son:

 Media muestral, para estimar la media teórica de una variable X.

x 1+ …+ x n
x=
n
  Proporción muestral, para estimar una proporción p:

x 1+ …+ x n
^p= , siendo x 1+ …+ x n una muestra aleatoria simple de la variable, son
n
unos o ceros.

 Varianza muestral: para estimar la varianza teórica de una población, se puede

usar la varianza de una muestra:

2 2
2 ( x 1−x ) + …+(x n−x )
s=
n−1

y también la llamada

 Cuasi-varianza muestral:

(x 1−x )2+ …+( xn−x)2

s2n−1=
n−1

que corresponde a la varianza de la muestra, pero dividiendo por n−1, en lugar de

dividir por n. En el capítulo de estadística descriptiva, ya comentamos que el R, por
defecto, al calcular la desviación típica de una muestra, mediante el comando sd, calcula
directamente la cuasi-varianza y luego obtiene la raíz cuadrada.

La evaluación del estimador sobre la muestra fija da lugar a una estimación puntual.

(Rio, 2019)

INTERVALOS DE CONFIANZA.

La estimación puntual aproxima mediante un número el valor de una característica

poblacional o parámetro desconocido (la altura media de los españoles, la intención de
voto a un partido en las próximas elecciones generales, el tiempo medio de ejecución de
un algoritmo, el número de taxis…) pero no nos indica el error que se comete en dicha
estimación.

Lo razonable, en la práctica, es adjuntar, junto a la estimación puntual del parámetro, un

intervalo que mida el margen de error de la estimación. La construcción de dicho
intervalo es el objetivo de la estimación por intervalos de confianza.
Un intervalo de confianza para un parámetro con un nivel de confianza 1−α (0<α<1), es
un intervalo de extremos aleatorios (L, U) que, con probabilidad 1−α, contiene al
parámetro en cuestión.

P ( parámetro ∈ ( L, U ) ) =1−α .

Los valores más habituales del nivel de confianza 1−α son 0.9, 0.95 o 0.99 (la confianza

es del 90%,95% o 99%). En ocasiones también se emplea la terminología nivel de
significación para el valor α.

En la estimación por intervalos de confianza partimos de una muestra x1,…,xn. A partir

de estos valores obtenemos un intervalo numérico. Por ejemplo, podríamos hablar de
que, con una confianza del 99 por ciento, la proporción de voto al partido político
“Unidas Ciudadanas” está entre el 29 y el 31 por ciento. O que, con una confianza
del 9090 por ciento, la estatura media está entre 1.80 y 1.84. (Rio, 2019)
Bibliografía
Díaz, N. C. (2006). Distribuciones de probabilidad. El teorema central del límite. Eden, Capítulo
8.

Rio, A. Q. (2019a, septiembre 4). 7.2 Estimación puntual. Estadística Básica Edulcorada.
https://bookdown.org/aquintela/EBE/estimacion-puntual.html

Rio, A. Q. (2019, 4 septiembre). 7.4 Intervalos de confianza. Estadística Básica Edulcorada.

https://bookdown.org/aquintela/EBE/intervalos-de-confianza.html