Apuntes de Estadística

Los modelos que crea la estadística son de tipo determinista o aleatorio (estocástico)

Nominales: Si sus
valores no se puden
ordenar
Cualitativas
Ordinales:Si sus
valores se pueden
ordenar
Variables

Discretas:Si toman
valores enteros

Cuantitativas
Continuas:Si entre dos
valores,son posibles
infinitos valores
intermedios

Espacio muestral
El conjunto de todos los resultados posibles de un experimento aleatorio

Punto muestral
Cada miembro del espacio muestral

Suceso
Un subconjunto del espacio muestral

Mutuamente excluyentes
Si la ocurrencia de un suceso impide la ocurrencia de otro

Exhaustivos
Si se agotan todos los resultados posibles de un experimento

Muestra aleatoria simple (Población finita)

Una muestra aleatoria simple de tamaño n, de una población finita de tamaño N es una
muestra seleccionada de tal manera que cada muestra posible de tamaño n tenga la
misma
Probabilidad de ser seleccionada.

Números aleatorios

Si N es el tamaño de la población, se pueden seleccionar valores en forma aleatoria entre

1 y N de acuerdo a la transformación:
𝑥 = ((𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑜)(𝑁 + 1))

Muestra aleatoria simple (Población infinita)

Una muestra aleatoria simple de una población infinita es aquella que se selecciona en tal
forma que se satisfacen las siguientes condiciones:

1. Cada elemento seleccionado proviene de la misma población.

2. Cada elemento se selecciona en forma independiente.

Estadístico de la muestra

Para estimar el valor de un parámetro de la población se calcula su correspondiente

característica en la muestra (estimador puntual).

𝑥̅ Se dice que es un estimador puntual de la media de la población.

∑𝑛𝑖=1 𝑥𝑖
𝑥̅ =
𝑛
𝑠 2 Se dice que es un estimador puntual de la varianza de la población.

2
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠 =
𝑛−1

𝑝̅ Se dice que es un estimador puntual de la proporción de la población

∑𝑛𝑖=1 𝑥𝑖
𝑝̅ =
𝑛

Se emplea una media muestra para hacer inferencia acerca de una media poblacional
El valor esperado de 𝑥̅ :

𝐸(𝑥̅ ) = 𝜇
Dónde:

𝐸(𝑥̅ ) = 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑑𝑒 𝑥̅

𝜇 = 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛

El valor esperado de 𝑝̅:

𝐸(𝑝̅ ) = 𝑝
Dónde:
𝐸(𝑝̅ ) = 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑑𝑒 𝑝̅
𝑝 = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛

Teorema del límite central

Al seleccionar muestras aleatorias simples de tamaño n de una población, la distribución

maestral de la media maestral 𝑥̅ se puede aproximar con una distribución de probabilidad
normal, cuando el tamaño de la muestra es grande 𝑛 > 30.

La distribución muestral de 𝑝̅ se puede aproximar con una distribución de probabilidad

normal, siempre que el tamaño de muestra sea grande. Para el caso de 𝑝̅ , se puede
considerar que el tamaño de la muestra es grande cuando se cumple las dos condiciones
siguientes:
1. 𝑛𝑝 ≥ 5
2. 𝑛(1 − 𝑝) ≥ 5

Propiedades de los estimadores puntuales:

𝜃 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑒𝑠
𝜃̂ = 𝑒𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑜 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑝𝑢𝑛𝑡𝑢𝑎𝑙 𝑑𝑒 𝜃

Insesgado: El estadístico 𝜃̂ es un estimador insesgado del parámetro 𝜃 si:

𝐸(𝜃̂) = 𝜃
Eficiencia: Se dice que un estimador puntual 𝜃̂1 con menor desviación estándar que otro
𝜃̂2 , tiene una mayor eficiencia relativa

Consistencia: Un estimador puntual es consistente si sus valores tienden a acercarse al

parámetro de la población conforme se incrementa el tamaño de muestra

Estimación de intervalos

La mayoría de las estimaciones de intervalos de desarrollan de la forma:

𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑝𝑢𝑛𝑡𝑢𝑎𝑙 ± 𝑀𝑎𝑟𝑔𝑒𝑛 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟

Error muestral

El valor absoluto de la diferencia entre un estimador puntual insesgado y el parámetro

poblacional
𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑜: |𝑥̅ − 𝜇|
Nota: en la práctica no se puede determinar el error muestral, porque no se conoce
exactamente la media de la población 𝜇

Distribución normal o Gaussiana

Se usa para describir una variable continua

1. La familia completa de distribuciones normales difieren en los valores de μ y σ

2. El punto más alto de la distribución es la media=mediana=moda.
3. La distribución de probabilidad es simétrica.
4. La media (μ) puede ser cualquier valor numérico, negativo, cero o positivo.
5. La σ determina el ancho de la curva.
6. Las probabilidades para la curva normal son áreas bajo la curva.
 Ilustración 1 Distribuciones Normales con Distintas Medias

Ilustración 2 Distribuciones Normales con Distintas Desviaciones Estándar

Intervalos de confianza

En estadística, se llama a un par o varios pares de números entre los cuales se estima que
estará cierto valor desconocido con una determinada probabilidad de acierto.
Formalmente, estos números determinan un intervalo, que se calcula a partir de datos de
una muestra, y el valor desconocido es un parámetro poblacional. La probabilidad de éxito
en la estimación se representa con 1 - α y se denomina nivel de confianza. En estas
circunstancias, α es el llamado error aleatorio o nivel de significación, esto es, una medida
de las posibilidades de fallar en la estimación mediante tal intervalo.1

El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un

intervalo más amplio tendrá más posibilidades de acierto (mayor nivel de confianza),
mientras que para un intervalo más pequeño, que ofrece una estimación más precisa,
aumentan sus posibilidades de error.

Para la construcción de un determinado intervalo de confianza es necesario conocer

la distribución teórica que sigue el parámetro a estimar, θ 2 . Es habitual que el parámetro
presente una distribución normal.

De una población de media 𝜇 y desviación típica 𝜎 se pueden tomar muestras de 𝑛

elementos. Cada una de estas muestras tiene a su vez una media 𝑥̅ .Se puede demostrar
que la media de todas las medias muestrales, coincide con la media poblacional 𝜇𝑥̅ = 𝜇.

Si el tamaño de muestra es lo suficiente grande, la distribución de las medias muéstrales

es prácticamente una distribución normal con media 𝜇 y una desviación típica dada por
𝜎
𝜎𝑥̅ = 𝑛.
√
Deducción de un intervalo de confianza para la media de la población cuando se conoce
𝝈

Para un nivel de confianza del 99%, esto implica que 𝛼 = .01.

Para una determinada muestra de tamaño 𝑛, tal que 𝑛 > 30 y la media de la muestra es
un parámetro de la media poblacional insesgado, es decir:
𝐸(𝑥̅ ) = 𝜇
Dónde:
𝜇 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑒𝑠
𝑥̅ = 𝑒𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑜 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑝𝑢𝑛𝑡𝑢𝑎𝑙 𝑑𝑒 𝜇

Donde la desviación de nuestro parámetro es:

𝜎
𝜎𝑥̅ =
√𝑛
El estimador tiene una distribución de la forma;
𝜎
𝑥̅ ~𝑁 (𝜇, )
√𝑛
Si estandarizamos, se sigue que:
(𝑥̅ − 𝜇)
𝜎 = 𝑍~𝑁(0,1)
√𝑛
Por lo tanto deseamos encontrar un intervalo;
𝑃[−𝑍𝛼/2 ≤ 𝑍 ≤ 𝑍𝛼/2 ]

Al normalizar llegamos a;

𝑥̅ − 𝜇
[−𝑍𝛼 ≤ 𝜎 ≤ 𝑍𝛼/2 ]
2
√𝑛
Despejamos a 𝜇 y obtenemos;
𝜎 𝜎
(𝑥̅ − 𝑍𝛼 ≤ 𝜇 ≤ 𝑥̅ + 𝑍𝛼 )
2 √𝑛 2 √𝑛

Para la media de una población

Dónde:

(1 − 𝛼) = Es el coeficiente de confianza
𝑍𝜶 = Es el valor de la 𝑍 que origina un área de 𝛼/2 en la cola o extremo superior de la
𝟐
𝑡𝜶/𝟐 = Es el valor de la 𝑡 que origina un área de 𝛼/2 en la cola o extremo superior de la
distribución 𝑡 con 𝑛 −1grados de libertad

Para la proporción de la población

𝑝̅ (1 − 𝑝̅ )
𝑝̅ = 𝑍𝜶/𝟐 √ 𝑛

Inferencias acerca de la varianza de una población

Siempre que se selecciona una muestra aleatoria simple de tamaño 𝑛, de una población
normal, la distribución muestral de:
2
(𝑛 − 1)𝑠 2
𝜒 =
𝜎2
Es una distribución ji-cuadrada con n-1 grados de libertad.

 Estimación de un intervalo para la varianza de una población

(𝑛 − 1)𝑠 2 2
(𝑛 − 1)𝑠 2
≤ 𝜎 ≤
𝜒 2 𝛼/2 𝜒 21−𝛼/2
Si 𝜎12 y 𝜎22 son las varianzas de dos poblaciones normales, podemos establecer una
𝜎2
estimación por intervalo de 𝜎12 mediante el uso del estadístico:
1
𝜎22 𝑠12
𝐹= 2 2
𝜎1 𝑠2
Que sigue una distribución F con 𝑛1 − 1 grados de libertad para el numerador y
𝑛2 − 1 grados de libertad para el denominador
𝜎12
 Intervalo de confianza para
𝜎12
2
𝑠1 1 𝜎12 𝑠12
≤ ≤ 𝐹
2𝐹
𝑠1 𝛼/2,𝑔𝑙1,𝑔𝑙2 𝜎12 𝑠12 𝛼/2,𝑔𝑙1,𝑔𝑙2
 Grados de Libertad

Coeficiente de variación

Cuando se desea hacer referencia a la relación entre el tamaño de la media y la

variabilidad de la variable.
Su fórmula expresa la desviación estándar como porcentaje de la media aritmética,
mostrando una mejor interpretación porcentual del grado de variabilidad que la
desviación estándar típica o estándar.
𝜎
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑉𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 = (100)
|𝑥̅ |
Se multiplica por cien para expresar el coeficiente en porcentaje.