Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Este es una presentación en desarrollo y se agradece que cualquier error o sugerencia sea
enviada a abbatenicolas@gmail.com
Bibliografía 1. Conceptos básicos
Obligatoria (Cap. 6)
2. Distribuciones de
Capítulo 6 y 7 - “Estadística
Muestreo (Cap. 6)
para Adm. y Economía” de
Levin y Rubin 3. Estimación puntual
(excepto apartados Experimentos
Factoriales y logros de eficiencia)
(Cap. 7)
1. Conceptos Básicos
Conceptos Básicos
Conjunto de Unidades Experimentales que
Universo poseen características comunes de interés
para el investigador.
Censo Muestreo
Parámetros
Estadísticos y Parámetros
Durante la unidad de variables aleatorias llamamos a las medidas que
resumen información como “parámetros” (por ejemplo, 𝜇 o 𝜎). ¿A qué nos
referíamos?
Parámetros
Estadísticos y Parámetros
Para distinguir entre un estadístico (muestral) y un parámetro
(poblacional) vamos a usar letras distintas: en griego o letras mayúsculas
distinguimos a los parámetros, mientras que en letras latinas minúsculas
a los estadísticos:
Estimador X̄ S p n
Parámetro 𝜇 𝞼 𝞹 N
Proceso de Inferencia (paramétrica)
Con los conceptos que estuvimos viendo podemos caracterizar el
proceso de inferencia paramétrica:
que refiere a la
Parámetro
con el que
concluimos
algo sobre un
calculamos
Estimadores
Lo que vamos a
estudiar esta unidad!
Proceso de Inferencia (paramétrica)
Por ejemplo:
que refiere a la
𝜇
con el que
concluimos
algo sobre
calculamos
X̄
Sobre la Inferencia paramétrica
El proceso de inferencia estadístico no se trata de encontrar el valor de un
parámetro. ¿Por qué? Porque no tenemos forma de saber cuál fue. Lo que
vamos a hacer es estimarlo.
Muestreo Aleatorio
Muestreo Sistemático
Simple
Estimadores X̄ S p n
Parámetro 𝜇 𝞼 𝞹 N
Valores fijos
Distribuciones de Estimadores
Sigamos con el ejemplo de la edad. Nosotros queremos tomar una muestra
de 500 personas y calcular la edad promedio. En Argentina hay aprox. 44
millones de personas. Eso significa que hay virtualmente infinitas muestras
distintas que podríamos tomar: las diferentes combinaciones de 500
personas de Argentina.
El ejercicio a) pide:
El ejercicio a) pide:
Entonces:
Despejando n se obtiene:
Rta: Para que la probabilidad de que la media muestral sea superior a 175 sea
0.2 se necesita una muestra de 71.
Distribuciones de muestreo de
Poblaciones no Normales
¿Qué hacemos con la no
normalidad?
En la práctica, rara vez trabajamos con variables que se distribuyan
normalmente. Es por ello que necesitamos alguna forma de sistematizar y
lograr obtener conclusiones incluso fuera del supuesto de normalidad.
http://onlinestatbook.com/stat_sim/sampling_dist/
¿Qué hacemos con la no
normalidad?
Hay tres cuestiones claves que observamos:
Si!. Sin embargo, necesitamos hacer una corrección, ya que dentro de una
muestra como tal los sucesos son dependientes.
Factor de corrección
Esperanza Varianza
1) E(c)=c V(c)=0
2) E(c+X)=E(c)+E(X)=c+E(X) V(c+x)=V(c)+V(X)=V(X)
3) E(c.X)=c.E(X) V(c.X)=c2.V(X)
¿De dónde salen las propiedades
de la distribución de la media?
Podemos demostrar brevemente a partir de estas propiedades de donde
surgen las propiedades de la media muestral:
¿De dónde salen las propiedades
de la distribución de la media?
También lo podemos hacer con el error estándar:
Estimación puntual
¿Qué es una estimación puntual?
“Todo el mundo hace estimaciones. Cuando está por cruzar una calle, hace
una estimación de la velocidad del automóvil que se acerca, de la distancia
que hay entre usted y el auto y de su propia velocidad. Habiendo hecho
rápidamente todas estas estimaciones, usted decide si espera, camina o
corre.“
Una estimación puntual es mucho más útil si viene acompañada por una
estimación del error que podría estar implicado
Estimador y Estimaciones
“Cualquier estadístico de la muestra que se utilice para estimar un
parámetro poblacional se conoce como estimador, es decir, un estimador es
un estadístico de la muestra utilizado para estimar un parámetro
poblacional. [...]
Estadístico X̄ S p
Parámetro 𝜇 𝞼 𝞹
Propiedades de los Buenos
Estimadores
Propiedades de Buenos
Estimadores
No todos los estimadores son igual de buenos. Por ejemplo, puedo
utilizar el salario mínimo vital y movil como estimador del salario
promedio de la Argentina. Sin dudas, este estimador no será uno bueno…
¿Qué propiedades debería tener un estimador que sí sea bueno?
1. Insesgadez
2. Eficiencia
3. Consistencia
4. Suficiencia
En términos matemáticos:
Eficiencia
La eficiencia se refiere al tamaño del error estándar del estadístico. Si
comparamos dos estadísticos de una muestra del mismo tamaño y
tratamos de decidir cuál de ellas es un estimador más eficiente,
escogeríamos la estadística que tuviera el menor error estándar o la
menor desviación estándar de la distribución muestral.
Eficiencia
En términos matemáticos, si tenemos dos estimadores 𝞡hat1 y 𝞡hat2,
𝞡hat1 es un estimador más eficiente del parámetro 𝞡 si:
Suficiencia
Un estimador es suficiente si utiliza la totalidad de la información
disponible en la muestra. Por lo tanto, ningún otro estimador puede
extraer información adicional acerca del parámetro de población que se
está estimando.
1. Media poblacional
2. Varianza Poblacional
3. Proporción poblacional
Un estimador para 𝝁
Para la media poblacional, como podemos imaginarnos, el mejor
estimador es la media muestral. Es insesgada, consistente, suficiente y
además se puede demostrar que su error estándar es el mínimo que se
puede lograr. Es decir, Xraya es el Mejor estimador para el parámetro 𝝁.
Un estimador para 𝞼2
Para la varianza poblacional, podemos utilizar el estimador varianza
muestral. Pero tiene una ligera diferencia con respecto a la varianza que
usamos en estadística descriptiva:
Estadístico X̄ S p
Parámetro 𝜇 𝞼 𝞹
Ejercicios 4 y 6
Intervalos con respecto a la media
Intervalos con respecto a la
media
Si expresamos un intervalo con respecto a los errores estándar (o
desvíos estándar)... ¡La probabilidad no depende de los parámetros de la
distribución normal!
Intervalos con respecto a la
media
Entonces, independientemente de los parámetros de la distribución
normal, podemos construir estos intervalos:
Ejercicio:
Los precios de los artículos que vende un
supermercado, tienen media US$ 4 y desvío estándar
US$ 0,75. ¿Cuál es la probabilidad de que la media
muestral se encuentre a dos desvíos estándar de la
media poblacional, si se toma una muestra de 100
personas?
Ejercicio
Como n>30, podemos aplicar el teorema central del límite para la
distribución de la media muestral. Por lo tanto: