Unidad 2: Distribución

muestral y estimación

Estadística inferencial
Carlos Fernando Parra Moreno
Administración Fiananciera
Universidad del Tolima
2022 1
Contenidos
1. Conceptos básicos
2. Muestreo
3. Diseño de experimentos
4. Distribuciones de muestreo
5. Teorema del límite central
6. Estimación puntual
7. Prueba de hipótesis

2
1. Conceptos básicos

Grande Pequeño
Población Muestra No aleatorio
Métodos de
Parámetro Estadístico
selección de
Censo Muestreo muestra
Aleatorio
Tamaño de la Tamaño de la
población N muestra n

3
2. Muestreo

Aleatorio Selecciona muestras mediante métodos que permiten que

cada posible muestra tenga una igual probabilidad de ser
seleccionada y que cada elemento de la población total
Simple tenga una oportunidad igual de ser incluido en la muestra.

Los elementos son seleccionados de la población dentro

Muestreo Sistemático de un intervalo uniforme que se mide con respecto al
tiempo, al orden o al espacio

Estratificado Dividimos la población en grupos relativamente

homogéneos, llamados estratos.

4
3. Diseño de experimentos
• Evento: un evento como uno o más de los resultados posibles de
hacer algo (Levin, 2004, p. 244).
• Experimento como la actividad que tendría como resultado tales
eventos (Levin, 2004, p.244).

Etapas del diseño de experimentos

Condiciones Conclusion
Tamaño de o supuestos Análisis de es y/o
Hipótesis Objetivo Variable del
Resultados
muestra resultados recomenda
experimento ciones

5
4. Distribuciones de muestreo
• “Una distribución de probabilidad de todas las medias posibles de las muestras es
una distribución de las medias de las muestras. Los especialistas en estadística la
conocen como distribución de muestreo de la media” (Levin, 2004, p.248).
También se puede de proporciones.
• Ejemplo: 5 muestras de 4 estudiantes y cada uno se le pregunta la estatura y peso
para hallar el promedio de cada muestra.
• Todas las medias serían diferentes, esto se debe al azar.
• “Cualquier distribución de probabilidad (y, por tanto, cualquier distribución de
muestreo) puede ser descrita parcialmente por su media y su desviación
estándar” (Levin, 2004, p.248).
• “La desviación estándar de la distribución de las medias de la muestra= error
estándar de la media”. Esta mide el grado de error en el proceso de muestreo.
• Símbolos: media μ (mu) y una desviación estándar σ (sigma).

6
7
5. El teorema del límite central
• La media de la distribución de muestreo de la media será igual a la media de la
población, sin importar el tamaño de la muestra, incluso si la población no es
normal.
• Definición: Al incrementarse el tamaño de la muestra, la distribución de muestreo
de la media se acercará a la normalidad, sin importar la forma de la distribución
de la población.
• “Los especialistas en estadística utilizan la distribución normal como una
aproximación a la distribución de muestreo siempre que el tamaño de la muestra
sea de al menos 30” (Levin, 2004, p.257).
• “La importancia del teorema del límite central es que nos permite usar
estadísticas de muestra para hacer inferencias con respecto a los parámetros de
población, sin saber sobre la forma de la distribución de frecuencia de esa
población más que lo que podamos obtener de la muestra” (Levin, 2004, p.257).
8
Ejemplo:
𝜎 100
𝜎𝑥𝑚 = = = 10
• Media= $500 𝑛 100
• Desv estándar= $100
• N=100 𝑧=
𝑥𝑖−𝑥𝑚𝑒𝑑 700−500
= =2
• Calcule la P(X>= 700) 𝜎𝑥𝑚 10

$500 $700 9
“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” (Levin, 2004,
p.274).

10
“Los administradores utilizan
estimaciones porque, hasta en los
asuntos más triviales, deben tomar
decisiones racionales sin contar con
la información pertinente completa y
con una gran incertidumbre
de lo que el futuro pueda deparar”
(Levin, 2004, p.274).

“La teoría de probabilidad constituye

la base de la inferencia estadística,
rama de la estadística que se ocupa
del uso de los conceptos de
probabilidad para manejar la
incertidumbre en la toma de
decisiones” (Levin, 2004, p.274).

11
6. Estimación puntual
• Los administradores utilizan estimaciones porque, hasta en los asuntos más triviales,
deben tomar decisiones racionales sin contar con la información pertinente completa y
con una gran incertidumbre de lo que el futuro pueda deparar (Levin, 2004, p.274).
• Objeto del tema: Como calcular la media o una proporción exacta de una población es
difícil se hace una estimación y su error.
• Un parámetro poblacional se conoce como estimador.
• Una estimación es un valor específico observado de un estadístico.

Es un solo número que

se utiliza para estimar
Puntual un parámetro de
población desconocido
Estimación
Es un rango de valores
que se utiliza para
Intervalo estimar un parámetro
de la población.

12
Criterios para seleccionar un buen estimador
Criterio Definición
Insesgado El valor esperado del estimador tiene a ser igual al parámetro
poblacional.
Eficiencia Es el menor error estándar o la menor desviación estándar de
la distribución muestral del estimador.
Consistencia Se considera un estimador consistente de un parámetro de población
si al aumentar el tamaño de la muestra, se tiene casi la certeza de
que el valor de la estadística se aproxima bastante al valor del
parámetro poblacional.
Suficiencia Un estimador es suficiente si utiliza tanta información de la muestra
que ningún otro estimador puede extraer información adicional
acerca del parámetro de población que se está estimando.

13
6.1. Estimación puntual de la media y la
varianza

14
6.2. Estimaciones de intervalo
• Una estimación de intervalo describe un rango de valores dentro del
cual es posible que esté un parámetro de la población.

Dicho de manera diferente, el 95.5% de

todas las medias muestrales está dentro
de 2 errores estándar de μ, en
consecuencia, está dentro de 2 errores
estándar del 95.5% de todas las medias
muestrales.

15
16
Relación entre nivel de confianza e intervalo
de confianza
• Un intervalo de confianza (IC) es un rango de valores en el que, con cierto
nivel de confianza, podría encontrarse el valor de cierto parámetro que se
desea estimar.
• El nivel de confianza, es la probabilidad a priori de que el intervalo de
confianza a calcular contenga al verdadero valor del parámetro. se utilizan
con más frecuencia son 90, 95 y 99%
• +-1.64 errores estándar, por ejemplo, incluyen aproximadamente el 90%
del área bajo la curva y, así, 0.4495 del área a ambos lados de la media en
una distribución normal. De manera parecida, +-2.58 errores estándar
incluyen alrededor de 99% del área o el 49.51% a cada lado de la media.
• A menudo resulta difícil o costoso tomar más de una muestra de una
población. Con base en una sola muestra estimamos el parámetro de la
población (Levin, 2004, p.286).

17
18
6.3. Estimaciones de intervalos con la distribución t
Usos:
• Se usa cuando el tamaño de la muestra es 30 o menos.
• La desviación estándar de la población debe ser desconocida.
• Al utilizar la distribución t, suponemos que la población es normal o
aproximadamente normal.
• La distribución t y la distribución normal son simétricas.
• La distribución t es más plana que la distribución normal y hay una
distribución t diferente para cada tamaño posible de muestra.
• La distribución t es más plana que la distribución normal y hay una
distribución t diferente para cada tamaño posible de muestra.

19