Escolar Documentos
Profissional Documentos
Cultura Documentos
Carmen Le Foulon
ICP 0502
Miércoles 22 de agosto
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 1 / 18
Hoy veremos
1. Conceptos importantes
3. Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 2 / 18
Conceptos importantes
Variable aleatoria
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 3 / 18
Conceptos importantes
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 4 / 18
Conceptos importantes
F (X = x) = P(X 6 x)
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 5 / 18
Conceptos importantes
F (X = x) = P(X 6 x)
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 6 / 18
Inferencia: parámetro y estimador
Modelo de probabilidad
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 7 / 18
Inferencia: parámetro y estimador
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 8 / 18
Inferencia: parámetro y estimador
Modelo muestral
Para poder realizar inferencia estadı́stica sobre los datos obtenidos de una
muestra, es central determinar cómo se genera la muestra.
El modelo muestral representa este proceso: especifica el tipo de muestra según
cómo esta se ha generado.
Podemos pensar en tres formas:
Muestra aleatoria: las v.a. que la componene son idependientes e
indenticamente distribuidas, es decir, IID.
Muestra independiente: las v.a. que la componen son independientes, pero no
identicamente distribuidas.
Muestra no aleatoria: la v.a. que la componen no son independientes entre sı́.
Si bien es posible generar estimadores y distribución muestral de muestras
independientes, se complejiza mucho su derivación. Nosotros trabajaremos siempre
en base al supuesto de muestra aleatorias, es decir IID.
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 9 / 18
Inferencia: parámetro y estimador
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 10 / 18
Inferencia: parámetro y estimador
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 11 / 18
Inferencia: parámetro y estimador
Parámetros: µ y σ.
Estimador: media, si es muestreo aleatorio, se ha derivado que posee buenas
propiedades.
Estimación: un valor númerico: el promedio de edad de primer consumo de
alcohol en la muestra especı́fica, por ejemplo, 13.8
Distribución muestral: distribución de probabilidad (o función de densidad
en este caso) de la media (el estimador usado) para un determinado valor del
parámetro poblacional.
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 12 / 18
Inferencia: parámetro y estimador
Propiedades estimadores
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 13 / 18
Inferencia: parámetro y estimador
Propiedades estimadores
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 14 / 18
Distribución muestral
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 15 / 18
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 16 / 18
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 17 / 18
Distribución muestral
Carmen Le Foulon (ICP 0502) Inferencia:Parámetro, estimador y distribución muestral Miércoles 22 de agosto 18 / 18