TEMA 4: INFERENCIA ESTADÍSTICA

 Introducción a la Inferencia Estadística. Muestreo

 Estimación Puntual
 Introducción
 Métodos para la obtención de estimadores
 Propiedades de los estimadores
 Estimadores de la media, la varianza y de una proporción

 Intervalos de Confianza
 Introducción
 Intervalos de confianza para poblaciones Normales
 Intervalos de confianza para muestras grandes
 Intervalos de confianza para proporciones

 Contrastes de Hipótesis
 Introducción
 Como realizar un contraste. Estadístico de contraste y p-valor
 Contrastes para muestras de poblaciones normales
 Contrastes de Hipótesis para proporciones

1
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. MUESTREO

La Estadística actual es el resultado de la unión en el siglo XIX de:

 La Estadística (del latín "status", se remonta a la antigüedad).

Interés de los gobiernos por los censos de los recursos.

 El Cálculo de Probabilidades (XVII).

2
La Inferencia Estadística puede definirse como el conjunto de
métodos mediante los cuales podemos extraer información sobre
distintas características de interés de una cierta distribución de
probabilidad de la cual se ha observado una serie de datos y por lo
tanto condicionada a una medida de riesgo.

Estos métodos pueden servir para

 estimar parámetros desconocidos,
 construir intervalos de confianza para dichos parámetros,
 contrastar hipótesis sobre ellos,
 predecir futuros valores de alguna variable,
 contrastar si los datos son independientes, homogéneos, etc.

3
Conceptos generales
 Se denomina población a un conjunto homogéneo de individuos sobre
los que se estudian una o varias características que son, de alguna
forma, observables.
 Un parámetro es cualquier característica medible (normalmente
numérica) de la población
 Una muestra es un subconjunto de la población, y el tamaño muestral
es el número de elementos de la muestra, que denotaremos
habitualmente por {𝑥1, 𝑥2, ⋯ , 𝑥𝑛}, siendo 𝑛 el tamaño muestral.
Lo deseable es que la muestra sea lo más representativa posible de la
población de la que se ha extraída.
Un método de muestreo no es más que el procedimiento empleado para
la obtención de la muestra, y la teoría que estudia los métodos
adecuados a cada modelo es la teoría del muestreo o técnicas de
muestreo.

4
TÉCNICAS DE MUESTREO
Existen varias técnicas de muestreo, y según la población y el estudio
que queramos realizar, son más apropiadas unas que otras. Podemos
destacar:

 Muestreo aleatorio con reemplazamiento

 Muestreo aleatorio sin reemplazamiento
 Muestreo aleatorio estratificado (edad joven, media y alta)
 Muestreo por conglomerados (barrios, calles)
 …..

5
Los resultados obtenidos del estudio de una muestra no son del todo
fiables, pero sí en buena medida.
Los parámetros que se obtienen de una muestra (estimadores) nos
permitirán arriesgarnos a PREDECIR O INFERIR una serie de
resultados para toda la población.
De estas predicciones y del riesgo que conllevan se ocupa la
Inferencia Estadística.

Muestra 1
muestreo
Muestra 2
Población
……………. …….

Muestra k

6
EJEMPLOS:

 Deseamos estimar la proporción de españoles que fuman.

 Un centro de investigación afirma que un antibiótico es muy

efectivo para prevenir una determinada enfermedad. El antibiótico
es probado en 100 voluntarios, a los que a una mitad se les
suministra el antibiótico y a la otra mitad un placebo, ¿qué
conclusiones podemos obtener?

7
Cuando aplicamos la técnica de muestreo aleatorio simple se obtiene
una serie de datos que son resultado de medir la variable que nos
interesa sobre la muestra.
Por ejemplo: para conocer el porcentaje de españoles que son del
Madrid, no preguntamos a todos los españoles, sino que seleccionamos
una muestra.
El conjunto de todos los españoles sería la población.
Si seleccionamos una muestra, por ejemplo de tamaño 1000, y les
preguntamos si son del Madrid o no, tenemos 1000 valores distintos de
la variable SER DEL MADRID (si o no), y podemos CALCULAR el
porcentaje de “Madridistas” de esa muestra.
Pero podemos seleccionar otra muestra distinta de tamaño 1000, y
obtendremos otro valor para el porcentaje.

8
 Muestra 1 𝑝1 = 0.35
muestreo
Población
todos los Muestra 2 𝑝2 = 0.25

españoles
……………. …..

Muestra k 𝑝𝑘 = 0.49
𝑋 = "𝐸𝑠 𝑑𝑒𝑙 𝑀𝑎𝑑𝑟𝑖𝑑 𝑜 𝑁𝑜"

La variable que nos interesa es X= Ser del Madrid (1:Si, 0:No)

Dada una muestra, la fórmula (estimador) más adecuado para calcular el
porcentaje de seguidores del Madrid es :
𝑛
1 número de seguidores del Madrid en la muestra
𝑝= 𝑋𝑖 =
𝑛 número total de individuos en la muestra
𝑖=1

Pero para cada posible muestra que saquemos, se obtiene un valor

distinto del porcentaje, por eso para estudiar las propiedades de los
estimadores, y ver cuál es el más adecuado, a los valores de la muestra
se les denota como variables aleatorias, que son idénticas a la variable de
partida: 𝑋1 , 𝑋2 , … , 𝑋1000 .
9
Si al obtener la muestra hemos utilizado el método de muestreo
aleatorio simple, la muestra resultante es una MUESTRA ALEATORIA
SIMPLE.
MUESTRA ALEATORIA SIMPLE
Formalmente una muestra aleatoria simple, m.a.s., es una colección de n
variables aleatorias 𝑋1 , 𝑋2 , … , 𝑋𝑛 tales que:
1. Son independientes
2. Todas las 𝑋𝑖 tienen la misma distribución que la variable aleatoria de
partida 𝑋:
𝐹𝜃 𝑋1 , … , 𝑋𝑛 = 𝐹𝜃 𝑋1 × ⋯ × 𝐹𝜃 𝑋𝑛

10
ESTIMACION PUNTUAL

OBJETIVO:

El objetivo de la estimación puntual es buscar estimadores que asignen

un valor puntual a una característica desconocida de la población a
partir de una muestra aleatoria.
Por ej. salario medio de los españoles, porcentaje de mujeres en la
política, etc.

Para ello tenemos que buscar métodos para construir dichos

estimadores y luego estudiar sus propiedades, para saber cuales son los
más adecuados.

Casos de especial relevancia son los estimadores relacionados con la

distribución Normal.

11
Como decíamos en el tema anterior, para denotar una muestra
aleatoria, como no sabemos qué valores nos van a salir, se denota a
dicha muestra como “copias idénticas a la variable”
𝑋1 , 𝑋2 , … , 𝑋𝑛

Por ejemplo queremos estimar el tiempo medio que un cliente pasa en

la cola de un banco.
Para obtener tal información se extrae una muestra de la población
(todos los posibles clientes) y se realiza una estimación del parámetro
que nos interese.
Para obtener una estimación del tiempo medio que un cliente pasa en la
cola de un banco se obtienen, mediante muestreo aleatorio, 100
tiempos correspondientes a 100 clientes escogidos al azar y se calcula
la media de estos tiempos.
100
1
𝑋= 𝑋𝑖 Média muestral
100
𝑖=1

Este valor es la media muestral y es una estimación del verdadero

valor de la media del tiempo que un cliente pasa en la cola de un banco.
12
 Antes de tomar la muestra
𝑋1 , 𝑋2 , … , 𝑋𝑛
Muestra aleatoria: “copias de la
variable aleatoria
𝑇 𝑋1 , 𝑋2 , … , 𝑋𝑛 : Estadístico
Es una función de variables
aleatorias ⇒ es una nueva
variable aleatoria.
Ejemplo: La media muestral
100
1 𝑥 = 5+3+4 =4
𝑋= 𝑋𝑖
100
𝑖=1
Después de tomar la muestra
𝑥1 , 𝑥2 , … , 𝑥𝑛
Valores de la muestra
p. ejemplo: {5,8,25,98,0.25,236}
𝑇(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) : Valor del
Estadístico en una determinada
muestra.
Ejemplo: media muestral para
la muestra 5,3,4 :
1
3
13
Se está interesado en el estudio de una variable aleatoria 𝑋 cuya
función de distribución es 𝐹𝜃 (𝑥) y que depende de un parámetro
desconocido 𝜃. El objetivo de la estimación puntual es emplear una
muestra para calcular un número que represente en algún sentido el
verdadero valor de ese parámetro.
Ejemplo: 𝑋 puede ser una variable Normal y los parámetros
desconocidos pueden ser la media 𝜇 y la varianza 𝜎 2 de dicha
variable.
El proceso consiste en seleccionar una función llamada estadístico o
estimador que nos permita estimar el valor del parámetro a partir de
los valores obtenidos de la muestra.
Ejemplo: la media muestral
Por tanto, un estadístico o estimador es cualquier función
𝑇 𝑋1 , 𝑋2 , … , 𝑋𝑛 de la muestra 𝑋1 , 𝑋2 , … , 𝑋𝑛 . Por tanto, es también una
variable aleatoria con una distribución de probabilidad llamada
distribución en el muestreo de 𝑇.

14
Algunos ejemplos de estadísticos:

𝑛
1
Media muestral: 𝑋 = 𝑋𝑖
𝑛
𝑖=1
𝑛
1
Varianza muestral: 𝑆𝑋 =
2
𝑋𝑖 − 𝑋 2
𝑛
𝑖=1
𝑛
1
Cuasivarianza muestral: 𝑆𝑋2 = 𝑋𝑖 − 𝑋 2
𝑛−1
𝑖=1

Mínimo: 𝑋(1) = min 𝑋1 , 𝑋2 , … , 𝑋𝑛

Máximo:𝑋 𝑛 = max 𝑋1 , 𝑋2 , … , 𝑋𝑛

Etc.

15
Los estadísticos, como son funciones de variables aleatorias, también
son variables aleatorias.
Uno de los problemas más importantes de la inferencia estadística es
saber cuál es la distribución de dichos estadísticos. ¿Qué variable
aleatoria siguen? Para así saber, en el caso de tener varios, ¿Cuál se
comporta mejor?
Por ejemplo, si estamos calculando la media muestral de variables
aleatorias normales, bajo ciertas condiciones, la media muestral es una
nueva variable normal.
Pero esto ocurre muy pocas veces, y generalmente el proceso para
conocer la distribución del estadístico es complejo.
En este tema nos centraremos en estadísticos basados en muestras de
una variable Normal.
Existen varias variables aleatorias que están muy relacionadas con los
principales estadísticos que vamos a ver. Por ello veremos primero
estas variable y a continuación los estadísticos.

16
17
18
 

 n2,

𝑃 𝜒82 ≤ 1.646 = 0.01

𝑃 𝜒82 > 1.646 = 1 − 0.01 = 0.99

19
Cálculo de Cuantiles de la distribución Chi cuadrado
con R-commander:

2
𝑃 𝜒10 ≤ 𝑎 = 0.95

𝑎 = 18,30704
20
 Cálculo de Probabilidades de la distribución Chi cuadrado con
R-commander:

𝑃 𝜒82 > 2,180 = 0,9749902 𝑃 𝜒82 < 2,180 = 1 − 0,97499=0,02500977

21
La forma de la densidad de una distribución Chi cuadrado de Pearson
varía según los grados de libertad.

Cuando 𝑛 > 500 se utiliza que 2𝜒𝑛2 ∼ 𝑁 2𝑛 − 1, 1

22
𝑍

23
La función de densidad de una distribución 𝑡 de Student es muy
parecida a la de la distribución Normal con media 0.
Es simétrica en torno al cero.
Verifica las hipótesis de simetría que verifica la normal.
Es decir :
𝑃 𝑋 > 0 = 0.5
𝑃 𝑋 < 𝑎 = 𝑃(𝑋 > −𝑎)

Al aumentar los grados de libertad, la distribución 𝑡 -Student se

aproxima cada vez más a la distribución 𝑁(0,1).

24
𝛼

𝑡𝑛,𝛼
𝑃 𝑡5 ≤ 0.9195 = 𝑃 𝑡5 ≥ −0.9195 = 0.8

𝑃 𝑡5 > 0.9195 = 𝑃 𝑡5 ≤ −0.9195 = 1 − 0.8 = 0.2

25
Cálculo de Cuantiles de la distribución T-Student con
R-commander:

𝑃 𝑡5 ≤ 𝑎 = 0.8

𝑎 = 0,9195438
26
 Cálculo de Probabilidades de la distribución T-Student con
R-commander:

𝑃 𝑡8 < 0,58 = 0,7064659 𝑃 𝑡8 > 0,58 = 1 − 0,7064659=0,2935341

27
28
𝛼 𝐹𝑛,𝑚,𝛼

29
𝑃 𝐹3,2 < 9.16 = 0.9
𝑃 𝐹3,2 > 9.16 = 1 − 0.9 = 0.1

30
Cálculo de Cuantiles de la distribución F de Fisher
Snedecor con R-commander:

𝑃 𝐹4,2 ≤ 𝑎 = 0.9

𝑎 = 9,243416

31
 Cálculo de Probabilidades de la distribución F de Fisher
Snedecor con R-commander:

𝑃 𝐹2,3 > 5,46 = 1 − 0,8999486 = 0,1000514

𝑃 𝐹2,3 < 5,46 = 0,8999486
32
Métodos para la obtención de los estimadores

Veremos dos técnicas para obtener estimadores puntuales:

 MÉTODO DE LOS MOMENTOS

 MÉTODO DE MÁXIMA VEROSIMILITUD

33
MÉTODO DE LOS MOMENTOS

Momentos Momentos
poblacionales muestrales

Centrados en el
origen

Centrados en la
media

Y luego despejar del sistema de ecuaciones

𝛼𝑗 𝜃1 , 𝜃2 , … , 𝜃𝑘 = 𝑎𝑗

34
Ejemplo: Dada una m.a.s. {𝑋1 , … , 𝑋𝑛 } de una v.a. 𝑋 ∼ 𝑈 0, 𝑏 , estimar
el parámetro b por el método de los momentos. Calcular su valor
exacto para la muestra 2, 3, 4, 10, 1.

35
MÉTODO DE MÁXIMA VEROSIMILITUD
Este método consiste en buscar los valores de los parámetros que
hacen que la muestra observada sea lo más creíble posible.
Para ello necesitamos saber qué es la Función de Verosimilitud.
Se define la función de verosimilitud, como
• Si 𝑋 es discreta:
𝐿 𝑋1 = 𝑥1 , … , 𝑋𝑛 = 𝑥𝑛 , 𝜃 = 𝑃𝜃 𝑋1 = 𝑥1 ⋅ 𝑃𝜃 𝑋2 = 𝑥2 ⋅ … ⋅ 𝑃𝜃 𝑋𝑛 = 𝑥𝑛

• Si 𝑋 es continua:
𝐿 𝑋1 = 𝑥1 , … , 𝑋𝑛 = 𝑥𝑛 , 𝜃 = 𝑓𝜃 𝑥1 ⋅ 𝑓𝜃 𝑥2 ⋅ … ⋅ 𝑓𝜃 𝑥𝑛

El objetivo es buscar aquel valor de 𝜽 que maximiza la función de

verosimilitud.
Así se considera esa función 𝑳, como función de 𝜽, y se maximiza
en 𝜽.
36
Para maximizar la función de verosimilitud L con respecto a 𝜽, tenemos
que comprobar primero si la función es derivable.
 Si la función es derivable, se deriva respecto de 𝜽, y se iguala a
cero para calcular el extremo de la función.
 Luego se calcula la derivada segunda y se evalúa en el extremo
para comprobar que es un máximo.
 Si la función no es derivable tendremos que buscar otro método
para calcular el máximo.

IMPORTANTE: Muchas veces, en vez de derivar la función de

verosimilitud directamente, se deriva el logaritmo neperiano de la
función de verosimilitud, porque esto simplifica los cálculos.
Esto es debido a que la transformación del logaritmo neperiano es
creciente, y entonces el máximo de la función y de su logaritmo
neperiano son el mismo.

37
Ejemplo: La vida de una impresora sigue una distribución 𝐸𝑥𝑝 𝜃 . Se ha
observado una muestra de 10 impresoras con los siguientes resultados de
vida media en años:
2, 4, 3, 5, 6, 4, 3, 4, 5, 7
Estimar 𝜃 por el método de máxima verosimilitud.

Paso 1: Calcular la función de verosimilitud:

𝑓𝜃 𝑥 = 𝜃𝑒 −𝜃𝑥 , 𝑥 ≥ 0.
𝑛
𝑓𝜃 𝑥1 , … , 𝑥𝑛 = 𝑓𝜃 𝑥1 ⋅ ⋯ ⋅ 𝑓𝜃 𝑥𝑛 = 𝜃𝑒 −𝜃𝑥1 ⋯ 𝜃𝑒 −𝜃𝑥𝑛 = 𝜃 𝑛 𝑒 −𝜃 𝑖=1 𝑥𝑖

Paso 2: Aplicar Logaritmos a la función de verosimilitud

𝑛
𝑛
ln 𝑓𝜃 𝑥1 , … , 𝑥𝑛 = ln 𝜃 𝑛 𝑒 −𝜃 𝑖=1 𝑥𝑖 = 𝑛 ln 𝜃 − 𝜃 𝑥𝑖
𝑖=1
Paso 3: Calcular el máximo de ln 𝑓𝜃 (𝑥1 , … , 𝑥𝑛 )
𝑛
𝜕 𝜕 𝑛 1
ln 𝑓𝜃 𝑥1 , … , 𝑥𝑛 = ln 𝜃 𝑛 𝑒 −𝜃 𝑖=1 𝑥𝑖 = 𝑛 − 𝑥𝑖
𝜕𝜃 𝜕𝜃 𝜃
𝑖=1
𝑛
𝜕 1 𝑛
ln 𝑓𝜃 𝑥1 , … , 𝑥𝑛 = 0 ⇔ 𝑛 − 𝑥𝑖 = 0 ⇔ 𝜃𝑀𝑉 = 𝑛
𝜕𝜃 𝜃 𝑖=1 𝑥𝑖
𝑖=1
Paso 4: Comprobar que 𝜃𝑀𝑉 es un máximo:
𝜕2 𝑛
ln 𝑓 𝑥
𝜃 1 , … , 𝑥𝑛 𝑛 = − 𝑛 <0 ∀𝜃
𝜕𝜃 2 𝜃= 𝑛
𝑥
𝜃2 𝜃= 𝑛 38
𝑖=1 𝑖 𝑖=1 𝑥𝑖
El valor del estimador para la muestra {2, 4, 3, 5, 6, 4, 3, 4, 5, 7} es:

𝑛 10
𝜃𝑀𝑉 = 𝑛 = = 0.2325
𝑥
𝑖=1 𝑖 2 + 4 + 3 + 5 + 6 + 4 + 3 + 4 + 5 + 7

39
Propiedades de los estimadores

Dado que existen varios métodos para calcular los estimadores, qué
pasa si tenemos varios estimadores para el mismo parámetro, ¿con cual
nos quedamos?
A continuación veremos algunas propiedades de los estimadores y
estableceremos criterios para saber con qué estimador quedarnos si
tenemos más de uno.

40
SESGO

Sea 𝑇 𝑋1 , … , 𝑋𝑛 un estimador del parámetro 𝜃. Se denomina sesgo del

estimador a la cantidad:

𝑆𝑒𝑠𝑔𝑜 𝑇 = 𝐸 𝑇 𝑋1 , … , 𝑋𝑛 −𝜃

El estadístico que estima el parámetro es una función de la muestra, por

lo tanto es una variable aleatoria, por tanto tiene media.
 Si un estimador tiene sesgo cero se dice que es insesgado.
 Si el sesgo del estimador tiende a cero cuando 𝑛 → ∞, se dice que el
estimador es asintóticamente insesgado, es decir

lim 𝑆𝑒𝑠𝑔𝑜 𝑇 = 0
𝑛→∞

41
La propiedad de que un estimador sea centrado es deseable.

T2

T1

 0
Los dos estadísticos 𝑇1 y 𝑇2 estiman el valor 𝜃 = 0
 El primer estimador se observa que es centrado (función de densidad
simétrica con respecto al 0) mientras que
 el segundo tiene un sesgo de -0.2
Pero, a simple vista, ¿cuál parece mejor?

42
A continuación se muestran de nuevo dos estadísticos 𝑇1 y 𝑇2 que estiman
el valor 0. El primero sigue siendo centrado pero ahora el segundo tiene
un sesgo de -1. Ahora, ¿cuál parece mejor?

T2

T1

Está claro que deberíamos combinar criterios. Interesan

estimadores centrados pero no con demasiada varianza y viceversa,
interesan estimadores con baja varianza pero no demasiado
sesgados.

43
 Estimadores eficientes
Se denomina precisión o eficiencia del estimador 𝑇 𝑋1 , … , 𝑋𝑛 como
estimador de 𝜃 a la inversa de la varianza, es decir:

1
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝑇 =
𝑉𝑎𝑟 𝑇 𝑋1 , … , 𝑋𝑛

Se dice, por tanto, que un estimador 𝑇1 es más eficiente o más preciso

que 𝑇2 si, para cualquier tamaño muestral la varianza de 𝑇1 es más
pequeña que la varianza de 𝑇2 .

Estimadores consistentes
Se dicen que el estimador es Consistente si
lim 𝑉𝑎𝑟 𝑇 𝑋1 , … , 𝑋𝑛 =0
𝑛→∞

44
  ¿Qué nos interesa más, un estimador con poco sesgo o con poca
varianza?
 ¿Qué pasa si uno de los estimadores es mejor en cuanto sesgo y el
otro es mejor en cuanto a varianza? ¿Con cuál nos quedamos?
Una medida que engloba los dos criterios es el ERROR CUADRÁTICO
MEDIO

ERROR CUADRÁTICO MEDIO

Sea 𝑇 𝑋1 , … , 𝑋𝑛 el estimador del parámetro 𝜃 . Se denomina Error

Cuadrático Medio del estimador a la cantidad:
2
𝐸𝐶𝑀 𝑇 = 𝑆𝑒𝑠𝑔𝑜 𝑇 + 𝑉𝑎𝑟 𝑇

A continuación veremos algunos estimadores de interés relacionados con

la distribución Normal.

45
Estimador de la media poblacional

Sea 𝑋1 , … , 𝑋𝑛 una muestra aleatoria de una variable 𝑋 , con media

poblacional 𝐸 𝑋 = 𝜇 y varianza poblacional 𝑉𝑎𝑟 𝑋 = 𝜎 2

Es decir, 𝐸 𝑋𝑖 = 𝜇 y 𝑉𝑎𝑟 𝑋𝑖 = 𝜎 2 para todos los índices 𝑖, y además son

todas independientes.

El estimador de la media poblacional 𝝁, es la media muestral

𝑛
𝑖=1 𝑋𝑖
𝑋=
𝑛

46
Se verifican las siguientes propiedades:
 Es un estimador insesgado
𝑛 𝑛 𝑛 𝑛
𝑖=1 𝑋𝑖 1 1 1 1
𝐸 𝑋 =𝐸 = 𝐸 𝑋𝑖 = 𝐸 𝑋𝑖 = 𝜇= 𝑛𝜇 = 𝜇
𝑛 𝑛 𝑛 𝑛 𝑛
𝑖=1 𝑖=1 𝑖=1

𝑆𝑒𝑠𝑔𝑜 𝑋 = 𝐸 𝑋 − 𝜇 = 𝜇 − 𝜇 = 0

 Es un estimador consistente
𝑛 𝑛 𝑛 𝑛
𝑖=1 𝑋𝑖 1 1 1 1
𝑉𝑎𝑟 𝑋 = 𝑉𝑎𝑟 = 2 𝑉𝑎𝑟 𝑋𝑖 = 2 𝑉𝑎𝑟 𝑋𝑖 = 2 𝜎2 = 2 𝑛𝜎 2
𝑛 𝑛 𝑛 𝑛 𝑛
𝑖=1 𝑖=1 𝑖=1
𝜎2
=
𝑛

𝜎2
𝑉𝑎𝑟 𝑋 = 0
𝑛 𝑛→∞

 Su error cuadrático medio es:

2 𝜎2
𝐸𝐶𝑀 𝑋 = 𝑆𝑒𝑠𝑔𝑜 𝑋 + Var 𝑋 = 47
𝑛
Tenemos dos resultados muy importantes con respecto a la distribución
de este estadístico:
Teorema 1:
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de una variable 𝑋 que sigue una
distribución Normal, con media poblacional 𝐸 𝑋 = 𝜇 y varianza
poblacional Var 𝑋 = 𝜎 2 conocida, es decir, 𝑋 ∼ 𝑁(𝜇, 𝜎). Entonces,

𝑛
𝑖=1 𝑋𝑖 𝜎2
𝑋= 𝑛 Sigue una distribución Normal de media 𝜇 y varianza , es
𝑛
decir,
𝜎
𝑋 ∼ 𝑁 𝜇,
𝑛

48
Teorema 2:
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de una variable 𝑋 que sigue una
distribución F (cualquiera), con media poblacional 𝐸 𝑋 = 𝜇 y varianza
poblacional Var 𝑋 = 𝜎 2 , es decir, 𝑋 ∼ 𝑁(𝜇, 𝜎). Entonces,

𝑛
𝑖=1 𝑋𝑖
𝑋= 𝑛
se aproxima a una distribución Normal de media 𝜇 y varianza
𝜎2
, es decir,
𝑛
𝜎
𝑋 𝑁 𝜇,
𝑛→∞ 𝑛

Esta aproximación es buena para muestras grandes (n≥30) y es una

consecuencia del Teorema Central del Límite.

49
Estimador de la varianza poblacional.
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de una variable 𝑋, con media
poblacional 𝐸 𝑋 = 𝜇 y varianza poblacional 𝑉𝑎𝑟 𝑋 = 𝜎 2 .
Es decir, 𝐸 𝑋𝑖 = 𝜇 y 𝑉𝑎𝑟 𝑋𝑖 = 𝜎 2 para todos los índices 𝑖 y además
son todas independientes.

Entonces, el estimador más razonable de la varianza poblacional 𝝈𝟐

es la varianza muestral 𝑺𝟐𝑿 :

𝑛 𝑛 2
1 𝑖=1 𝑋𝑖
𝑆𝑋2 = 𝑋𝑖 − 𝑋 2 = − 𝑋2
𝑛 𝑛
𝑖=1

50
Sin embargo, se verifica
1 n   2  n  1 
 
2

E  S   E   X i  X
2
   n 
2 2

 n i 1  n
2 NO ES INSESGADO
Sesgo  S   E  S     
2 2 2

n
Pero si consideramos
n
Sˆ 2  S2
 n  1
Luego
 n  n n  n  1 2
E  Sˆ 2   E  S2  E  S 2    2
  n  1   n  1  n  1 n
Entonces el estimador más adecuado para la varianza poblacional es
la CUASIVARIANZA MUESTRAL

 X 
n 2
X
 
i
n 2 n 1 n

2
Sˆ 2  S  i 1
 Xi  X
n 1 n 1 n n  1 i 1
51
Se verifica que la CUASIVARIANZA MUESTRAL ES INSESGADO Y
CONSISTENTE.
En cuanto a la distribución asintótica se verifica:

Teorema 3 (Fisher)
Sea  X1 , X 2 ,..., X n  una muestra aleatoria de una variable X que sigue
una distribución Normal con media poblacional E  X    y varianza
poblacional Var  X    , es decir, N   ,  
2

Entonces,

 X 
n

i X
i 1
sigue una distribución Chi Cuadrado con n -1 grados de libertad
 2

 X 
n
X
i
n 1 ˆ 2 n 2
i 1
 S  2 S   n2-1
2  2


52
Corolario:
Si la media poblacional es conocida, la varianza muestral podemos
estimarla por

 Xi   
2

i 1

n 1
n

 X i  
2

i 1
sigue una distribución Chi Cuadrado con n grados de libertad
 2

 Xi   
2

i 1
  n2
2

53
¿Qué ocurre cuando queremos estimar la media pero no conocemos la
varianza poblacional?. Hemos visto antes que
   X 
X N  ,  o equivalentemente n N  0,1
 n 
Si la varianza poblacional es desconocida, σ2, este resultado no nos
sirve para estimar y hacer inferencia sobre la media, μ. Así pues
tenemos que estimar la varianza.
Hemos visto antes que para estimar la varianza, el mejor estimador es

 
n
n 1

2
Sˆ 
2
S 
2
Xi  X
n 1 n  1 i 1
Por lo tanto vamos a considerar un nuevo estadístico

X  X 
n n
 Sˆ
Estadístico para la Estadístico para la
media con varianza media con varianza
conocida desconocida

54
Como se verifica : Entonces
n
Sˆ 2  S2
 n  1 X  X 
n  n-1
Sˆ 
n
S Sˆ S
 n  1
Teorema 4
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de una variable 𝑋 que sigue una
distribución Normal con media poblacional 𝐸 𝑋 = 𝜇 y varianza
poblacional 𝑉𝑎𝑟 𝑋 = 𝜎 2 , es decir, 𝑁 𝜇, 𝜎 . Entonces,

𝑋−𝜇 𝑋−𝜇
𝑛 𝑆 = 𝑛−1 𝑆
sigue un distribución 𝑡 de Student con 𝑛 − 1 grados
de libertad,
𝑋−𝜇 𝑋−𝜇
𝑛 = 𝑛−1 ∼ 𝑡𝑛−1
𝑆 𝑆

55
Estimación de una proporción para muestras grandes

Se desea estimar la proporción p de individuos de una población que

tiene una determinada característica. Para ello se toma una muestra
aleatoria de elementos de la población, anotando un 1 si dicho elemento
tiene la característica, y 0 en otro caso, es decir, se tiene una muestra
aleatoria  X1 , X 2 ,..., X n  de una distribución Binomial(1,p) o
equivalentemente Bernoulli(p)

 1 si tiene la característica con probabilidad p

X 
0 si NO tiene la característica con probabilidad 1- p

EX   p
Var  X   p 1  p 

56
El estimador más razonable para la proporción p, es la proporción
MUESTRAL, es decir, número de individuos de la muestra que verifican
una condición, dividido por el número total de individuos de la muestra.
Ejemplo:

Número de Empresas españolas endeudadas en más de 1 millón de €

p
Número de Empresas españolas

Población:
Empresas de
España
N: nº Empresas Muestra: 2000
de España Empresas
españolas
p=PROPORCIÓN escogidas al
de Empresas azar
españolas
endeudadas en más n: 2000
de 1 millón de €

Número de Empresas de la muestra endeudadas en más de 1 millón de €

pˆ 
2000
57
Formalmente,
X 1  X 2  ...  X n
pˆ 
n
Verificando

 X  X 2  ...  X n  1 1
E  pˆ   E  1 
 n E  X 1  X 2  ...  X n   np  p
 n  n
Luego es un estimador insesgado

 X  X 2  ...  X n  1 1 1
Var  pˆ   Var  1 
 n2 Var  X 1  X 2  ...  X n   np 1  p   p 1  p 
 
2
n n n
Luego es un estimador consistente

La distribución asintótica
 p 1  p  
pˆ  N  p, 
n   n 
 

58