Professional Documents
Culture Documents
ESTADISTICA INFERENCIA
NRC: 6115
PRESENTADO POR:
MIREYA VANEGAS DUEÑAS ID: 587206
YENY YORMARY DIAZ ID: 570903
DOCENTE:
JOHN JAIRO CRUZ BELTRAN
Permite 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
1. Insesgado. Ésta es una propiedad deseable para un buen estimador. El término insesgado se
refiere al hecho de que una media de la muestra es un estimador no sesgado de una media de
la población porque la media de la distribución muestral de las medias de las muestras
tomadas de la misma población es igual a la media de la población misma. Podemos decir que
un estadístico es un estimador insesgado (o no sesgado) si, en promedio, tiende a tomar
valores que están arriba del parámetro de la población que se está estimando con la misma
frecuencia y la misma extensión con la que tiende a asumir valores abajo del parámetro
poblacional que se está estimando.
2. Eficiencia. Otra propiedad deseable de un buen estimador es que sea eficiente. La eficiencia
se refiere al tamaño del error estándar del estadístico. Si comparamos dos estadísticos de una
muestra del mismo tamaño y tratamos de decidir cuál de ellas es un estimador más eficiente,
escogeríamos la estadística que tuviera el menor error estándar o la menor desviación estándar
de la distribución muestral.
Ejemplo: Se desea estimar la Media de las puntuaciones del curso 2003/4, pero solo se
dispone de 50 puntuaciones seleccionadas aleatoriamente. La Media de la muestra (el
estimador), es igual a 5.6 y atribuimos este valor (la estimación) a la Media del curso
completo. Podemos utilizar como estimadores de la Media de la población otros estadísticos
de tendencia central como la Moda o la Mediana, pero NO todos los estimadores son
apropiados. Los estimadores deben satisfacer ciertos requisitos, y por esta razón, interesa
conocer sus propiedades a fin de utilizar los que sean adecuados según las circunstancias de la
estimación.
n ← Tamaño de la muestra
x ← Media de la muestra
x _← Media de la muestra
𝜎x =𝜎/√𝑛
s = 2.1 n = 62 x = 24
Los especialistas en estadística, a menudo, utilizan una muestra para estimar la proporción
de ocurrencias de un evento en una población.
𝜇 = 𝑛𝑝
𝜎 = √𝑛𝑝𝑞
donde,
• p = probabilidad de éxito
• q = 1 - p = probabilidad de falla
Una distribución normal de media µ y desviación típica σ se designa por N (µ, σ). Su gráfica
es la campana de Gauss:
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad. Esto es
porque la probabilidad de que un suceso ocurra entre todas las posibilidades es un 100%, o sea
10) ¿En qué consiste el teorema del límite central en
estadística?
Referencias:
Recuperado_de_file:///C:/Users/Yeny%20D%C3%ADaz/Desktop/Estadistica_para_Admi
nistracion_y_Econom.pdf