Parmetro.

Los parmetros son medidas descriptivas de toda una poblacin que

se utilizan como las entradas para una funcin de distribucin de
probabilidad (PDF) con el fin de generar curvas de distribucin. Los
parmetros se representan generalmente con letras griegas para
distinguirlos de los estadsticos de las muestras. Por ejemplo, la media
de la poblacin se representa con la letra griega mu () y la desviacin
estndar de la poblacin con la letra griega sigma (). Los parmetros
son constantes fijas, es decir, no varan como las variables. Sin
embargo, sus valores generalmente se desconocen porque no es
factible medir toda una poblacin.
Cada distribucin es definida completamente por varios parmetros
especficos, por lo general entre uno y tres. La tabla siguiente incluye
ejemplos de los parmetros necesarios para tres distribuciones. Los
valores de los parmetros determinan la ubicacin y la forma de la
curva en la grfica de la distribucin, y cada combinacin nica de los
valores de los parmetros genera una curva de distribucin nica.

Distribucin

Chi-cuadrada

Normal

Gamma de 3 parmetros
Por ejemplo, una distribucin normal se define por dos
parmetros: la media y la desviacin estndar. Si se

especifican estos parmetros, se conoce con precisin toda la

distribucin.

La lnea continua representa una distribucin normal con una media de

100 y una desviacin estndar de 15. La lnea discontinua tambin es
una distribucin normal, pero tiene una media de 120 y una desviacin
estndar de 30.

Qu es una estimacin de
parmetro (tambin conocida
como estadstico de muestra)?
Los parmetros son medidas descriptivas de toda una poblacin. Sin
embargo, sus valores por lo general se desconocen, porque es poco
factible medir una poblacin entera. Por eso, usted puede tomar una
muestra aleatoria de la poblacin para obtener estimaciones de los
parmetros. Un objetivo del anlisis estadstico es obtener
estimaciones de los parmetros de la poblacin, junto con la cantidad
de error asociada con estas estimaciones. Estas estimaciones se
conocen tambin como estadsticos de muestra. Una lnea de
distribucin ajustada es una curva que se basa en las estimaciones de
los parmetros en lugar de los valores reales de los parmetros.

Existen diferentes tipos de estimaciones de parmetros:

Las estimaciones de punto son el valor individual ms probable de un
parmetro. Por ejemplo, la estimacin de punto de la media de la
poblacin (el parmetro) es la media de la muestra (la estimacin del
parmetro).
Los intervalos de confianza son un rango de valores que
probablemente contienen el parmetro de poblacin.
Como un ejemplo de estimaciones de parmetros, supongamos que
usted trabaja para un fabricante de bujas que est estudiando un
problema en la separacin de electrodos de sus bujas. Sera
demasiado costoso medir cada buja que se produce. En lugar de ello,
usted toma una muestra aleatoria de 100 bujas y mide la separacin
de electrodos en milmetros. La media de la muestra es de 9.2. Esta
es la estimacin de punto para la media de la poblacin (), y le
informa que el valor ms probable de la separacin promedio
para todas las bujas es 9.2. Usted tambin crea un intervalo de
confianza de 95% para que es (8.8, 9.6). Esto significa que puede
estar 95% seguro de que es el valor real de la separacin promedio
para todas las bujas estn entre 8.8 y 9.6.
El teorema del lmite central: las medias de muestras grandes y aleatorias
son aproximadamente normales

El teorema del lmite central es un teorema fundamental de

probabilidad y estadstica. El teorema establece que la distribucin
de , que es la media de una muestra aleatoria de una poblacin con
varianza finita, tiene una distribucin aproximadamente normal cuando
el tamao de la muestra es grande, independientemente de la forma
de la distribucin de la poblacin. Muchos procedimientos estadsticos
comunes requieren que los datos sean aproximadamente normales,
pero el teorema del lmite central le permite aplicar estos
procedimientos tiles a poblaciones que son marcadamente no
normales. El tamao que debe tener la muestra depende de la forma
de la distribucin original. Si la distribucin de la poblacin es
simtrica, un tamao de muestra de 5 podra generar una
aproximacin adecuada; si la distribucin de la poblacin es
marcadamente asimtrica, se requiere un tamao de muestra de 50 o

ms. Las siguientes grficas muestran ejemplos de cmo la

distribucin afecta el tamao de la muestra que usted necesita.

Distribucin uniforme

Medias de las muestras

Una poblacin que sigue una distribucin uniforme es simtrica, pero

marcadamente no normal, como lo indica el primer histograma. Sin
embargo, la distribucin de 1000 medias de la muestra (n=5) de esta
poblacin es aproximadamente normal debido al teorema del lmite
central, como lo demuestra el segundo histograma. Este histograma
de medias de la muestra incluye una curva normal superpuesta para
ilustrar esta normalidad.

Distribucin exponencial

Medias de las muestras

Una poblacin que sigue una distribucin exponencial es asimtrica y

no normal, como lo demuestra el primer histograma. Sin embargo, la
distribucin de medias de la muestra de 1000 muestras de tamao 50
de esta poblacin es aproximadamente normal, debido al teorema del
lmite central, como lo demuestra el segundo histograma. Este
histograma de medias de la muestra incluye una curva normal
superpuesta para ilustrar esta normalidad.

Qu es una distribucin de muestreo?

Una distribucin de muestreo describe la probabilidad de obtener cada

valor posible de un estadstico de una muestra aleatoria de una
poblacin, en otras palabras, qu proporcin de todas las muestras
aleatorias de ese tamao ofrecer ese valor. Supongamos que usted
mide el peso de llenado de una muestra aleatoria de 10 cajas de
cereal que salen de la mquina de llenado y calcula una media de
370 g. Junto con la poblacin y el tamao de la muestra, la distribucin
de muestreo describe la probabilidad de obtener este valor o cualquier
otro para el peso medio de llenado.
Si usted conoce la poblacin, puede determinar la distribucin de
muestreo. Sin embargo, puede obtener informacin til sobre la
distribucin de muestreo sin conocer la poblacin. Por ejemplo, si no
conoce la poblacin, podra decir que existe un 85% de certeza de que
la media de la muestra est dentro de un cierto nmero de
desviaciones estndar de la media de la poblacin. Tambin podra

decir que, si las medias de dos poblaciones son iguales, la diferencia

entre las medias de las muestras debera ubicarse entre ciertos
valores.