Documente Academic
Documente Profesional
Documente Cultură
Es la medida de la dispersión de
Varianza de la media las muestras con respecto a la
muestral media muestral.
Se denomina sesgo de un estimador a
la diferencia entre la esperanza (o valor
esperado) del estimador y el verdadero
valor del parámetro a estimar.
Sesgo de un estimador
Distribucion normal
Estudiante 4
Estudiante 4
Estudiante 5
Características o Propiedades
Para ver cómo funciona esto, analicemos una media muestral. A partir de una muestra de tamaño n,
se calculan la media muestral y la desviación estándar. En realidad hay una media verdadera, μ, y una
desviación estándar verdadera σ, y son desconocidas. La muestra nos brinda las estimaciones y S. Si
hiciéramos muestras repetidamente de la población/proceso del cual se toma la muestra y
calculáramos la media muestral una y otra vez, la desviación estándar de la distribución de medias
sería el error estándar verdadero de la media.
El cálculo de un intervalo de confianza depende principalmente de los siguientes factores: Tamaño
de la muestra seleccionada: Dependiendo de la cantidad de datos que se hayan utilizado para
calcular el valor muestral, este se acercará más o menos al verdadero parámetro poblacional.
Nivel de confianza: Nos va a informar en qué porcentaje de casos nuestra estimación acierta. Los
niveles habituales son el 95% y el 99%.
Margen de error de nuestra estimación: Este se denomina como alfa y nos informa de la
probabilidad que existe de que el valor poblacional esté fuera de nuestro intervalo.
Lo estimado en la muestra (media, varianza, diferencia de medias…): De esto va a depender el
estadístico pivote para el cálculo del intervalo.
Consiste en la elección de una variable aleatoria que sea función de la muestra y del parámetro a
estimar, con la condición de que sea una función continua y monótona del parámetro y que su
distribución sea conocida e independiente del parámetro.
Existe una propiedad que comprende conjuntamente las propiedades de insesgamiento y eficiencia.
Se trata del error cuadrático medio. Sea T un estimador del parámetro ϴ. El error cuadrático medio
de T, denotado ECM(T), se define como el valor esperado de (T-) 2 .ECM(T) = E[(T-ϴ)2]
Esta medida se aplica entre los datos y el promedio, midiendose como un resultado positivo o igual a
cero, siendo igual a cero cuando no hay variacion entre los datos obtenidos. Se puede aplicar en
datos mayores o menores al promedio.
*El teorema del límite central garantiza una distribución aproximadamente normal cuando n es suficientemente grande.
*Existen diferentes versiones del teorema, en función de las condiciones utilizadas para asegurar la convergencia. Una de las
más simples establece que es suficiente que las variables que se suman sean independientes, identicamente distribuidas, con
valor esperado y varianza finita.
*La aproximación entre las dos distribuciones es, en general, mayor en el centro de las mismas que en sus extremos o colas
*Este teorema, encuentra aplicación en muchos campos relacionados, tales como la inferencia estadistica o la teoria de
renovacion.
Una propiedad razonable que se puede mencionar es cuando se le pide a un estimador de parametro � es que, en promedio,
sus valores coincidan con , cuando esto pasa se dice que el estimador es.
�
*centrado
*insesgado
Cuando la desviación
estándar es más grande
El error estándar mide el Se usa en la distribución t de
habrá un mayor error error aleatorio en un dato Student para proporcionar un
estándar de la media y estadístico informado: el intervalo de confianza para una
una estimación menos tipo de error causado por media estimada o diferencia de
la variación aleatoria del medias. En otros casos, el error
precisa de la media de la muestreo al repetir una estándar puede ser usado para
población. Un tamaño prueba en las mismas proveer una indicación del
de muestra más grande condiciones. La tamaño de la incertidumbre,
incertidumbre es un pero su uso formal o semi-
dará como resultado un concepto más amplio que formal para proporcionar
menor error estándar de incluye componentes intervalos de confianza o test
la media y una adicionales de error debe ser evitado a menos que el
potencial además del error tamaño de la muestra sea al
estimación más precisa aleatorio. menos moderadamente grande
de la media de la
población.
Debido a su naturaleza
aleatoria, es poco probable
que dos muestras de una Sirve para dar una estimación
población en particular Un intervalo de confianza puntual del parámetro
produzcan intervalos de es un rango de valores, poblacional, si nos va a servir
confianza idénticos. Sin derivado de los estadísticos para hacernos una idea
embargo, si usted repitiera de la muestra, que aproximada de cuál podría ser el
muchas veces su muestra, posiblemente incluya el verdadero de este. Nos permite
un determinado valor de un parámetro de acotar entre dos valores en
porcentaje de los población desconocido. dónde se encontrará la media de
intervalos de confianza la población.
resultantes incluiría el
parámetro de población
desconocido.
Estadisticamente consta de
Existen varios estadisticos tres pasos fundamentales:
pivote utilizados en la encontrar una cantidad
construcción de intervalos pivotal, encontrar dos
de confianza , tanto en valores a y b, con base en El método del pivote es uno de los principales métodos de constru
poblaciones normales estas desigualdades
como en proporciones. obtener la estimación más
aproximada.
El TCL hace referencia a Es aquel que describe la Este se aplica a suma de variables
sucesiones infinitas, por tanto, la distribución de la media de una discretas como de variables continuas, en
igualdad de las distribuciones se muestra aleatoria proveniente de pocas palabras cuando se tiene un grupo
alcanza sólo en el límite, y hace una población con varianza finita, bastante numeroso.
mención a una distribución este tambien tiene relacion con la Simbolo:
final teórica o de referencia probabilidad
�_�=∑24_(𝑖=1)^�▒�_𝑖
�_�
� =𝑁(�,𝜎^2/�)
Para estudiar las características En estadistica se llama sesgo de Si se desea estimar la media de una
de un estimador no solo basta un estimador a la diferencia entre población.
con saber el sesgo y la su esperanza matematica y el valor Tambien, si se desea conocer el
varianza, sino que además es numerico del parámetro que precio medio de un artículo.
estima
útil hacer un análisis de su
comportamiento y estabilidad
en el largo plazo, esto es, su
comportamiento asintótico
Su grafica tiene forma de permite determinar probabilidades Se dice que muchos fenómenos en el
campana, por este motivo es de ocurrencia para distintos campo de la salud se distribuyen
tambien conocida como la valores de la variable. Así, para normalmente. Esto significa que si uno
campana de Gauss determinar la probabilidad de toma al azar un número suficientemente
encontrar un valor de la variable grande de casos y construye un polígono
que sea igual o inferior a un cierto de frecuencias con alguna variable
valor continua, por ejemplo peso, talla, presión
arterial o temperatura, se obtendrá una
�_𝑖 curva de características particulares,
llamada distribución normal.
Unidad de medida Modelo Matemático
S2
𝜑 (�, �)
Muestreo Estadistico
Muestra Aleatoria
�_�=∑24_(𝑖=1)^�▒�_𝑖
𝜎 Variables Aleatorias
� =𝑁(�,𝜎^2/�)
Media Muestral
𝑖=1)^�▒�_𝑖
(� −�_𝜎)/(�/√�)
Esperanza Matematica
�|�|
Varianza Muestral
�−𝜎
Identificación o definición de cada una de las variables
o constantes que hacen parte integral del modelo
matemático, según sea el caso
𝜎
𝜎
Desviación estándar de una población.