ANEXO UNIDAD VI

Inferencia estadística (a través de una muestra)

(población) (muestra)

Población: es un valor constante, no varía.

Muestra: No es constante, es una variable aleatoria. No se puede anticipar, pero se le puede asignar una
probabilidad de ocurrencia. Cada estimador va a tener una Esperanza y una Varianza.

Métodos de Muestreo
Media Muestral Varianza Muestral Desvío Muestral Proporción Muestral

∑ ∑( − ̅) ∑( − ̅) ∑
̅= = = ̅=
−1 −1

Propiedades de los estimadores:

Insesgamiento: un estimador es insesgado si su Esperanza es igual al verdadero valor del parámetro que intenta
estimar: ̅ =
Tipos de Insesgamiento:
 Un estimador es exactamente insesgado cuando su Esperanza es exactamente igual al parámetro
que intenta estimar.
 Un estimador es asintóticamente insesgado cuando su Esperanza tiende al valor verdadero del
parámetro cuando el tamaño de la muestra tiende a infinito.
Consistencia: un estimador es consistente si, además de ser exactamente insesgado, su Varianza tiende a cero a
medida que aumenta el tamaño de la muestra.
Eficiencia: dados dos estimadores consistentes, es más eficiente aquél que tenga menor Varianza.

DEMOSTRACIONES
Media Muestral
~ ;
√

∑ 1 1 1 1
( )= = ∗Σ = ∗ (Σ ) = ∗Σ ( ) = ∗n∗ =

( )= →

∑ 1 1 1 1
( )= = ∗Σ = ∗ (Σ ) = ∗Σ ( ) = ∗n∗ =

( )= →

∑ 1 1 1 1
( )= = ∗Σ = ∗ (Σ ) = ∗Σ ( )= ∗n∗ = =
√
( )=
√

FACEBOOK: CLASES DE APOYO UBA – ESTADISTICA AVELLANEDA AUTOR: ALEJANDRO DUARTE

INSTAGRAM: CDAUBA_ESTADISTICAAVELLANEDA VERSION 2019/2
Varianza Muestral
Si la población tiene una distribución Normal, entonces la Varianza tiene una distribución Chi-Cuadrado:

∗ = = −
Si ~ ; entonces ~
√
= = ( − )

∑( − ̅) ∑( − ̅)
= =
−1
∗ ( − )∗ ( − )∗
= − = − = ( − )

( − 1) ( − 1)
2
∗ ( 2) = −1 ∗ ( 2) = −1 ∗ ( 2 ) = 2( − 1)
2 4
2 2 4
( 2) = −1∗ ( 2) = −1∗ ( 2 ) = 2( − 1) ∗
( − 1) ( − 1)
−1 2 4
( 2) = ∗ 2
( 2) = −1∗ ( 2)
= 2( − 1) ∗
( − 1) ( − 1)
( )= − ∗ ( )=
( )=
−
ó

Proporción Muestral
Si la población tiene una distribución Normal, entonces la Proporción tiene una distribución Binomial:

( )= ∗
Si ~ ; entonces ~ ( ; )
√ ( )= ∗ ∗( − )

∑ 1 1 1 1
( )= = ∗Σ = ∗ (Σ ) = ∗Σ ( )= ∗n∗ =

( )= →

∑ 1 1 1 1
( )= = ∗Σ = ∗ (Σ ) = ∗Σ ( )= ∗ n ∗ ∗ (1 − )
∗( − )
( )= →

∑ 1 1 1 1
( )= = ∗Σ = ∗ (Σ ) = ∗Σ ( )= ∗n∗ ∗ (1 − )

∗( − )
( )=

FACEBOOK: CLASES DE APOYO UBA – ESTADISTICA AVELLANEDA AUTOR: ALEJANDRO DUARTE

INSTAGRAM: CDAUBA_ESTADISTICAAVELLANEDA VERSION 2019/2