INSTITUTO TECNOLOGICO DE TIJUANA

Materia: Estadística Inferencial 1

Ingeniería en Logística

6 t o Semestre

Grupo Z 11:00 – 1:00 pm

Docente: Tijuana, B.C. A 02 de abril 2023

 INTRODUCCIÓN

• El objetivo principal de la estadística inferencial es la estimación, esto es que

mediante el estudio de una muestra de una población se quiere generalizar las
conclusiones al total de la misma. Como vimos en la sección anterior, los
estadísticos varían mucho dentro de sus distribuciones muestrales, y mientras
menor sea el error estándar de un estadístico, más cercanos serán unos de otros
sus valores.
• Dado esto con lleva a mas derivaciones como los intervalos de confianza de
medidas, proporción , varianza, determinación en tamaños de muestras etc.
 A.- INTRODUCCIÓN DE ESTIMACIÓN EN
ESTADÍSTICA
• Estimar qué va a ocurrir respecto a algo (o qué está ocurriendo, o qué ocurrió), a
pesar de ser un elemento muy claramente estadístico, está muy enraizado en nuestra
cotidianidad. Dentro de ello, además hacemos estimaciones dentro de un intervalo de
posibilidades.
• Por ejemplo: “creo que terminaré la tarea en unos 5-6 días”. Lo que hacemos en el
terreno del análisis de datos es aplicar matizaciones técnicas a este hábito. Vamos a
dedicar este documento al concepto de estimación, comenzando con la estimación
puntual. Después nos ocuparemos de desarrollar un modelo de estimación por
intervalo donde identificaremos los elementos fundamentales, con su significado y
símbolo. Y, por último, habrá que desarrollar cómo se calculan esos elementos.
B.- CARACTERÍSTICAS DE UN ESTIMADOR.

1) Sesgo. Se dice que un estimador es insesgado si la Media

de la distribución del estimador es igual al parámetro.
Estimadores insesgados son la Media muestral (estimador de
la Media de la población) y la Varianza (estimador de la
Varianza de la población):
Ejemplo
En una población de 500 puntuaciones cuya Media (m) es igual a 5.09 han hecho un
muestreo aleatorio (número de muestras= 10000, tamaño de las muestras= 100) y
hallan que la Media de las Medias muestrales es igual a 5.09, (la media poblacional y
la media de las medias muestrales coinciden). En cambio, la Mediana de la población
es igual a 5 y la Media de las Medianas es igual a 5.1 esto es, hay diferencia ya que
la Mediana es un estimador sesgado.
La Varianza es un estimador sesgado. Ejemplo: La Media de las Varianzas obtenidas
con la Varianza.

en un muestreo de 1000 muestras (n=25) en que la Varianza de la población es igual

a 9.56 ha resultado igual a 9.12, esto es, no coinciden. En cambio, al utilizar la Cuasi
varianza.

la Media de las Varianzas muestrales es igual a 9.5, esto es, coincide con la Varianza
de la población ya que la Cuasi varianza es un estimador insesgado.
2)
CONSISTENCIA.
Un estimador es consistente si aproxima el valor del parámetro cuanto mayor es n (tamaño de la
muestra).
Algunos estimadores consistentes son:

Ejemplo
En una población de 500 puntuaciones cuya Media (m) es igual a 4.9 han hecho tres muestreos
aleatorios (número de muestras= 100) con los siguientes resultados:

vemos que el muestreo en que n=100 la Media de las Medias muestrales toma el mismo valor que
la Media de la población.

vemos que el muestreo en que n=100 la Media de las Medias muestrales toma el mismo valor que
la Media de la población.
3) Eficiencia. Diremos que un estimador es más eficiente
que otro si la Varianza de la distribución muestral del
estimador es menor a la del otro estimador. Cuanto menor
es la eficiencia, menor es la confianza de que el estadístico
obtenido en la muestra aproxime al parámetro poblacional.

Ejemplo
La Varianza de la distribución muestral de la Media en un
muestreo aleatorio (número de muestras: 1000, n=25) ha
resultado igual a 0.4. La Varianza de la distribución de
Medianas ha resultado, en el mismo muestreo, igual
a 1.12, (este resultado muestra que la Media es un
estimador más eficiente que la Mediana).
 C.- ESTIMACIÓN PUNTUAL.

• Estimar puede tener dos significados interesantes. Significa querer e inferir.

Desde luego, el primer significado es más trascendente. Pero no tiene ningún
peso en la estadística, disciplina que no se ocupa de los asuntos del amor.
• El segundo significado es el importante aquí. Una estimación estadística es un
proceso mediante el que establecemos qué valor debe tener un parámetro según
deducciones que realizamos a partir de estadísticos. En otras palabras, estimar
es establecer conclusiones sobre características poblacionales a partir de
resultados muestrales.
• Vamos a ver dos tipos de estimaciones: puntual y por intervalo.
 ESTIMACIÓN
PUNTUAL
consiste en establecer un valor concreto (es decir, un punto) para el parámetro. El valor
que escogemos para decir “el parámetro que nos preocupa vale X” es el que suministra un
estadístico concreto. Como ese estadístico sirve para hacer esa estimación, en lugar de
estadístico suele llamársele estimador.
Así, por ejemplo, utilizamos el estadístico “media aritmética de la muestra” como
estimador del parámetro “media aritmética de la población”. Esto significa: si quieres
conocer cuál es el valor de la media en la población, estimaremos que es exactamente el
mismo que en la muestra que hemos manejado.
En pocas palabras: – cuando la estimación es un objetivo finalista, es decir un fin que
deriva de los objetivos de la investigación, entonces la llevamos a cabo por intervalo, pero
– cuando la estimación es un objetivo instrumental, es decir, una necesidad temporal que
surge en el proceso de construcción de un intervalo, entonces la estimación será puntual.
 ESTIMACIÓN POR INTERVALO

• Las estimaciones puntuales no son una buena opción cuando constituyen

el centro del objetivo, aunque solucionan problemas de procedimiento,
por lo que son absolutamente necesarias.
Por qué estimar por intervalo
• En una estimación por intervalo podemos observar dos elementos: un
centro y un radio o distancia al centro. En el ejemplo, el centro es 5 y el
radio es 0,4. El centro es el valor aportado por el estimador.
• La estimación por intervalos permite conocer el rango de valores en que podemos
confiar que está el verdadero valor poblacional; por lo tanto, permite dimensionar la
imprecisión de la estimación puntual y este es su principal propósito.
D.- ESTIMACIÓN POR INTERVALOS.

• La estimación por intervalos consiste en establecer el intervalo de valores

donde es más probable se encuentre el parámetro. La obtención del intervalo
se basa en las siguientes consideraciones:
• a) Si conocemos la distribución muestral del estimador podemos obtener las
probabilidades de ocurrencia de los estadísticos muestrales.
• b) Si conociéramos el valor del parámetro
poblacional, podríamos establecer la probabilidad de que el estimador se
halle dentro de los intervalos de la distribución muestral.
• c) El problema es que el parámetro poblacional es desconocido, y por ello el
intervalo se establece alrededor del estimador. Si repetimos el muestreo un
gran número de veces y definimos un intervalo alrededor de cada valor del
estadístico muestral, el parámetro se sitúa dentro de cada intervalo en un
porcentaje conocido de ocasiones. Este intervalo es denominado "intervalo
de confianza".
Ejemplo
Se generan 100000 muestras aleatorias (n=25) de una población que sigue la
distribución Normal, y resulta:

La distribución de las Medias muestrales aproxima al modelo Normal:

En consecuencia, el intervalo dentro del cual se halla el 95% de las Medias muestrales
es:

(Nota: Los valores +-1.96 que multiplican la Desviación Típica de la distribución

muestral son los valores cuya función de distribución es igual a 0.975 y 0.025
respectivamente y se pueden obtener en las tablas de la distribución Normal
estandarizada o de funciones en aplicaciones informáticas como Excel). Seguidamente
generamos una muestra de la población y obtenemos su Media, que es igual a 4.5. Si
establecemos el intervalo alrededor de la Media muestral, el parámetro poblacional
(5.1) está incluido dentro de sus límites:
• Ahora bien, la distancia de un punto A a un punto B es la misma que de B
a A. Por esa razón, la distancia desde m a la Media muestral es la misma
que va de la Media muestral a m. En consecuencia, si hacemos un
muestreo con un número grande de muestras observamos que el 95% de
las veces (aproximadamente) el valor de la Media de la población (m) se
encuentra dentro del intervalo definido alrededor de cada uno de los
valores de la Media muestral. El porcentaje de veces que el valor de m se
halla dentro de alguno de los intervalos de confianza es del 95%, y es
denominado nivel de confianza.
• Si queremos establecer un intervalo de confianza en que el % de veces
que m se halle dentro del intervalo sea igual al 99%, la expresión anterior
es:

• Obtenemos el valor +-2.58 que multiplica la Desviación Típica de la

distribución muestral en las tablas de la distribución Normal estandarizada
o de funciones en aplicaciones informáticas como Excel), y son los valores
D-1.- INTERVALO DE CONFIANZA PARA LA
MEDIA.

Un intervalo de confianza para una media poblacional con una desviación

típica poblacional conocida se basa en la conclusión del teorema del límite
central de que la distribución muestral de las medias muestrales sigue una
distribución aproximadamente normal.
Cálculo del intervalo de confianza
Considere la fórmula de estandarización para la distribución de muestreo
desarrollada en la discusión del Teorema del Límite Central:
Un intervalo de confianza para la media nos da un rango de valores admisibles
para la media de la población. Si un intervalo de confianza no incluye un valor
determinado, podemos decir que no es probable que el valor particular sea la
media verdadera de la población.
sin embargo, incluso si un valor está dentro del intervalo, no debemos concluir
que la media de la población sea igual a ese valor específico.
Ejemplo 1
• Un intervalo de confianza de 95%, para el grosor medio con base en estos
datos es (147.1,148.9).
Félix es un experto de control de calidad en una fábrica que pinta partes de
automóviles. Su proceso de pintura consiste en una capa base, una capa de
color y una capa de recubrimiento transparente.
En cierta parte, estas capas tienen un grosor objetivo combinado de 150 micras.
Félix midió el grosor de 50 puntos seleccionadas al azar en una de estas partes
para ver si estaban pintados correctamente.
Su muestra tenía un espesor promedio de micras y una desviación
estándar de micras.
Un intervalo de confianza de 95%,para el grosor medio con base en estos datos
es (147.1,148.9).
En función de su intervalo, ¿es creíble que el grosor medio de esta parte
coincida con el valor objetivo?
No, no lo es. El intervalo dice que los valores admisibles para el verdadero
grosor promedio en esta parte son entre 147. 1 y 148, 9 micras. Puesto que este
intervalo no contiene a 150micras, no parece creíble que el espesor medio de
esta parte coincida con el valor objetivo. En otras palabras, el intervalo entero
está por debajo del valor objetivo de 150 micras, por lo que el grosor promedio
de esta parte probablemente esté por debajo del objetivo.
 D-2.- INTERVALO DE CONFIANZA PARA LA
DIFERENCIA DE MEDIAS.
Si tenemos dos poblaciones con medias μ1 y μ2 y varianzas σ21 y σ2 2,
respectivamente,
un estimador puntual de la diferencia entre μ1 y μ2 está dado por el estadístico n1 - n2.
Por lo tanto, para obtener una estimación puntual de μ1 − μ2, seleccionaremos dos
muestras aleatorias independientes, una de cada población, de tamaños n1 y n2, y
calculamos la diferencia n1 - n2, de las medias muestrales. Evidentemente, debemos
considerar las distribuciones muestrales de n1 - n2.
Si n1 y n2 son las medias de muestras aleatorias independientes de tamaños n1 y n2 de
poblaciones con varianzas conocidas σ21 y σ22, respectivamente, un intervalo de
confianza de (1 − α)100% para μ1 − μ2 está dado por
 D-3.- INTERVALOS DE CONFIANZA PARA LA
PROPORCIÓN.
• En la inferencia sobre una proporción el problema se concreta en estimar y contrastar la
proporción p de individuos de una población que presentan una determinada
característica A (proporción de votantes a un partido político, proporción de parados, ...).
• El problema se modeliza mediante una variable dicotómica que toma el valor 1 si se
presenta la característica de interés y 0 en caso contrario, esto es, una variable de
Bernoulli, de la que se dispone de una muestra de tamaño n.
• Entonces, la proporción poblacional p no es otra cosa que la media poblacional de dicha
variable, estimándose con la correspondiente proporción muestral o media muestral,
Intervalo de confianza sobre la proporción poblacional
A partir del estadístico

se construye el intervalo

Siendo el valor que en una distribución normal estándar deja a su

derecha una probabilidad de
• En el caso de dos poblaciones, se trata de comparar la proporción en
la que se presenta una cierta característica A en las mismas (comparar
la proporción de voto a un partido en dos regiones, comparar la
proporción de parados entre hombres y mujeres, ...). El problema se
modeliza mediante dos variables de Bernoulli independientes, de las
que se dispone de sendas muestras aleatorias de tamaño n1 y n2,
respectivamente.
ejemplo.
Cuando se va a realizar una encuesta para estimar una proporción, lo
habitual es plantearse a priori obtener una cierta fiabilidad y precisión
en la estimación, buscando el tamaño muestral necesario para
conseguirlas. La longitud del intervalo de confianza para p resulta:

De aquí podremos calcular el valor de n en función de la

longitud del intervalo, L, y de su fiabilidad,
Adviértase que llegamos a un resultado en principio incongruente: queremos saber
cuántas observaciones tenemos que realizar para estimar p y para ello necesitaremos
conocer su estimación, valor que conoceremos una vez hayamos realizado las
observaciones.
¿Cómo solucionar este problema? Existen tres posibles vías:
a) Si tuviésemos información (encuestas anteriores, opiniones de experto,...) sobre el
posible valor de la proporción a estimar, sustituiríamos este valor en la anterior
expresión.
b) Podríamos realizar una pequeña encuesta (encuesta piloto) que nos proporcionase
una primera evaluación de la proporción muestral. Además, esta encuesta puede
servir para probar y reformar el cuestionario, organizar el trabajo de campo, etc.
c) c) Si no contásemos con información alguna ni tuviésemos la posibilidad de realizar la
encuesta piloto, nos pondríamos en la situación más desfavorable, esto es, la que da
lugar al tamaño muestral más grande para la fiabilidad y precisión deseadas. Esa
situación se produce cuando n alcanza su máximo, lo cual ocurre cuando p=q=0.5
En este caso, por otro lado el más habitual, resulta:
 D-4.- INTERVALOS DE CONFIANZA PARA LA
DIFERENCIA DE PROPORCIONES.
El intervalo de confianza para la diferencia de proporciones es un intervalo que
proporciona un rango de valores admisibles entre los cuales se encuentra el valor de la
diferencia de las proporciones de dos poblaciones con un determinado nivel de
confianza.
Por ejemplo, si el intervalo de confianza para la diferencia de las proporciones de dos
poblaciones con un nivel de confianza del 95% es (0,07 , 15), significa que la diferencia
entre las dos proporciones poblacionales estará entre el 7% y el 15% con una
probabilidad del 95%.
Por lo tanto, en estadística el intervalo de confianza para la diferencia de proporciones
sirve para estimar dos valores entre los cuales se encuentra la diferencia entre dos
proporciones poblacionales. De manera que se recolectan dos muestras y a partir de esos
datos se puede aproximar cuál es la diferencia entre las proporciones de las poblaciones.
• Fórmula del intervalo de confianza para la diferencia de proporciones
La fórmula para calcular el intervalo de confianza para la diferencia de
proporciones con un nivel de confianza de 1-α es la siguiente:

Donde:
es la proporción de la muestra i.
es el tamaño de la muestra i.
es el cuantil de la distribución normal estándar correspondiente a una probabilidad
de α/2. Para tamaños muestrales grandes y un nivel de confianza del 95% se suele
aproximar a 1,96 y para una confianza del 99% se suele aproximar a 2,576.
Ejemplo resuelto del intervalo de confianza para la diferencia de
proporciones
Después de ver la definición del intervalo de confianza para la diferencia de
proporciones y cuál es su fórmula, vamos a ver un ejemplo resuelto de cómo se
calcula el intervalo de confianza para la diferencia de proporciones.
Se quiere hacer un estudio estadístico sobre la proporción de zurdos, en concreto,
se quiere averiguar la diferencia entre las proporciones de zurdos entre hombres y
mujeres. Para ello, se toma una muestra de 60 hombres y una muestra de 67
mujeres, de los cuales 5 hombres y 7 mujeres son zurdos. ¿Cuál es el intervalo de
confianza para la diferencia de proporciones con un nivel de confianza del 95%?
En primer lugar, tenemos que calcular la proporción de zurdos de cada muestra
estadística:
• Tal y como hemos visto en el apartado de arriba, la fórmula para determinar
el intervalo de confianza para la diferencia de proporciones es la siguiente:

• De modo que para hallar el intervalo de confianza para la diferencia de

proporciones tenemos que determinar el valor de Zα/2. Para ello, usamos la
tabla de la distribución normal estándar.
• Finalmente, sustituimos los datos en la fórmula y calculamos el intervalo de confianza
para la diferencia de proporciones:

• En definitiva, el intervalo de confianza para la diferencia de proporciones del

problema es:
 D-5.- INTERVALOS DE CONFIANZA PARA LA
VARIANZA.

Un intervalo de confianza estadística en estadística permite calcular los

valores que existen alrededor de una media muestral. Dentro de la
muestra, se encuentra un rango superior y otro inferior.
Dentro de dicho rango, se estima probabilidad determinada y se localiza el
parámetro poblacional. de modo que permite expresalo con precisión si la
estimación de la muestra coincide con el valor de toda la población.
Intervalos de confianza
Existen dos tipos de estimaciones usadas para estimar los parámetros de la población: la
estimación puntual y la estimación de intervalo. Una estimación puntual es el valor de un
solo estadístico de muestra. Una estimación del intervalo de confianza es un rango de
números, llamado intervalo, construido alrededor de la estimación puntual. El intervalo de
confianza se construye de manera que la probabilidad del parámetro de la población se
localice en algún lugar dentro del intervalo conocido.
Intervalo de Confianza para la varianza
Si tenemos una muestra de tamaño n tomada de una población normal, podemos obtener un
intervalo de confianza del nivel dado (n0%,n5%)
para la varianza sabiendo que el valor de chi cuadrada es para este caso:
El cual es una variable aleatoria que tiene una distribución Chi cuadrada con n -1
grados de libertad. Por lo tanto, podemos emplear esta definición para estimar un
intervalo de confianza ya que lo que necesitamos es despejar la varianza
poblacional, así obtenemos:

Se obtiene el intervalo de confianza:

De donde:
X2: Valor de Chi cuadrada, (grados de libertad y nivel de confianza (1
- α) especificado.)
S2: Varianza muestral
Ejemplos:

1.- Para estimar la dispersión del peso de los huevos en una tienda se tomó una muestra
de 15 huevos, y se obtuvieron los siguientes resultados (en gramos).
62, 57, 70, 58, 59, 67, 65, 69, 55, 57, 60, 54, 72, 66, 77
Con un coeficiente de confianza de 95% construye un IC para la varianza de los
huevos de esa tienda.
 D-6.- INTERVALOS DE CONFIANZA PARA LA
RELACIÓN DE VARIANZAS.
Supondremos la existencia de dos poblaciones sobre las que una determinada variablesigue una distribución
Normal. Sobre la población 1 la variable sigue una distribución N (µ1, σ1), y sobre la población 2 sigue
una distribución N (µ2, σ2), igualmente supondremos que disponemos de dos muestras aleatorias
independientes, una paracada población, de tamaños muestrales n1y n2 respectivamente.
El objetivo es construir un intervalo de confianza, con nivel de confianza

(1− α) · 100%, para el cociente de varianzas

El estadístico pivote utilizado es

Que sigue una distribución F de Fisher con n1−1 y n2−1 grados de libertad
El intervalo de confianza que resulta es:

Donde F α/2 es el valor de una distribución F de Fisher-Snedecor con n1−1 y

n2− 1 grados de libertad que deja a su derecha una probabilidad de α/2
E.- DETERMINACIÓN DEL TAMAÑO DE
MUESTRA.
• Todo estudio epidemiológico lleva implícito en la fase de diseño la determinación del
tamaño muestral necesario para la ejecución del mismo. El no realizar dicho proceso,
puede llevarnos a dos situaciones diferentes: primera que realicemos el estudio sin el
número adecuado de pacientes, con lo cual no podremos ser precisos al estimar los
parámetros y además no encontraremos diferencias significativas cuando en la realidad sí
existen. La segunda situación es que podríamos estudiar un número innecesario de
pacientes, lo cual lleva implícito no solo la pérdida de tiempo e incremento de recursos
innecesarios sino que además la calidad del estudio, dado dicho incremento, puede verse
afectada en sentido negativo
Para determinar el tamaño muestral de un estudio, debemos considerar diferentes
situaciones: A. Estudios para determinar parámetros. Es decir pretendemos hacer in
ferencias avalores poblacionales (proporciones, medias) a partir de una muestra.
B. Estudios para contraste de hipótesis. Es decir pretendemos comparar si las
medias o las proporciones de las muestras son diferentes.
Elementos de la Inferencia Estadística
A. Estudios para determinar parámetros Con estos estudios pretendemos hacer
inferencias a valores poblacionales(proporciones, medias) a partir de una muestra.
A.1. Estimar una proporción:
Si deseamos estimar una proporción, debemos saber:
a) El nivel de confianza o seguridad (1-α). El nivel de confianza prefijado da lugar
a un coeficiente (Zα). Para una seguridad del 95% = 1.96, para una seguridad del
99% =2.58.b) La precisión que deseamos para nuestro estudio.
c) Una idea del valor aproximado del parámetro que queremos medir (en este caso
una proporción). Esta idea se puede obtener revisando la literatura, por estudio pilotos
previos. En caso de no tener dicha información utilizaremos el valor p = 0.5 (50%).
Ejemplos
1. Un biólogo quiere estimar el peso promedio de los ciervos cazados en el estado de
Maryland. Un estudio anterior de diez ciervos cazados mostró que la desviación
estándar de sus pesos es de 12.2 libras. ¿Qué tan grande debe ser una muestra
paraque el biólogo tenga el 95% de confianza de que el error de estimación es a lo
más de4 Libras? 45
2. Solución: ()() 35.736 4 1.96 12.2 2 2 ÷= ø ö ç è æ ÷= ø ö ç è æ = e zs n
Enconsecuencia, si el tamaño de la muestra es 36, se puede tener un 95% de
confianzaen que m difiere en menos de 4 libras de x
E-1.- BASADO EN LA MEDIA DE LA
POBLACIÓN.

El determinar el tamaño de una muestra representa una parte esencial del

método científico para poder llevar acabo una investigación. Al muestreo lo
podemos definir como el conjunto de observaciones necesarias para estudiar la
distribución de determinadas características en la totalidad de una población, a
partir de la observación de una parte o subconjunto de una población
denominada muestra.
 E-2.- BASADO EN LA PROPORCIÓN DE LA
POBLACIÓN

En poblaciones dicotómicas con una proporción π éxitos el estimador puntual

del parámetro π es la proporción muestral de éxitos, p, que coincide con la
media de la muestra cuando se codifica como 1 la característica que se
considera como éxito y 0 la que se considera no éxito. A partir de un tamaño
muestral moderadamente grande el estadístico p tiene una distribución
aproximadamente normal. El intervalo de confianza Para la proporción
poblacional.
está centrado en la proporción muestral; siendo sus límites
superiore inferior donde z/2 es el valor crítico correspondiente al grado de confianza 1
de la distribución normal tipificada y es el error típico de la proporción. Para obtener el
intervalo de confianza y contrastar hipótesis sobre la proporción una
alternativa consiste en tratar a la proporción como la media poblacional de una variable
dicotómica codificada como se ha descrito anteriormente (éxito=1, no éxito=0)y la
secuencia es:
Para el intervalo de confianza:
Analizar
Estadísticos Descriptivos
Explorar
Para contrastar la hipótesis nula
Analizar

Comparar medias
Prueba T para una muestra
Utilizando este criterio los resultaos numéricos no coinciden exactamente con los que
se obtendrían aplicando la expresión del error típico de la proporción; no obstante la
discrepancia es despreciable si el número de observaciones es suficientemente grande.
Otras alternativas para realizar este contraste son de naturaleza no paramétrica.
PRUEBA BINOMIAL
La prueba binomial prueba binomial analiza variables dicotómicas y compara las
frecuencias observadas en cada categoría con las que cabría esperar según una
distribución binomial de parámetro especificado en la hipótesis nula.
• El nivel de significación crítico de esta prueba indica la probabilidad de
obtener una discrepancia igual o superior a la observada a partir de la
muestra sil a distribución es la postulada por la hipótesis nula.
• El nivel de significación crítico (bilateral) de este contraste debe
interpretarse como:
• el número de éxitos en la muestra. Cuando n es suficientemente grande
se calcula esta probabilidad aproximando la distribución binomial a la
normal con corrección de continuidad.
 CONCLUSIÓN
La planificación exige prever los sucesos del futuro que probablemente van a
ocurrir. La previsión se suele basar en lo que ha ocurrido en el pasado.
Se tiene pues un nuevo tipo de inferencia estadística que se hace acerca del futuro
basándose en sucesos pasados.
La técnica más importante para hacer inferencias sobre el futuro con base en lo
ocurrido en el pasado es el análisis de series de tiempo.
Bibliografía

Arrondo, V. M. (2012-2014). Estimación estadística. pág.

http://asignatura.us.es/.
Características estimadore73. (s.f.). pág. https://www.uv.es/.
Estimación por intervalo. (2012-2014). pág. http://asignatura.us.es/.
Estimación por intervalos. (s.f.). pág. https://www.uv.es/.
Interpretar un intervalo de confianza para una media. (s.f.). pág.
https://es.khanacademy.org/.
intervalo de confianza para la diferencia de proporciones. (s.f.). pág.
https://www.probabilidadyestadistica.net/.
Intervalo de confianza para la diferencia de proporciones. (s.f.). pág.
https://www.probabilidadyestadistica.net/.
Karina, B. L. (16 de mayo de 2016). iNTERVALO DE CONFIANZA PARA
LA VARIANZA. pág. https://www.studocu.com/.