Este documento explica conceptos estadísticos fundamentales como parámetros, estadísticas, inferencia estadística y distribuciones muestrales. Define parámetros como medidas numéricas de toda la población y estadísticas como medidas numéricas de una muestra. Explica que la inferencia estadística es el proceso de sacar conclusiones sobre una población basadas en una muestra. Finalmente, describe que las distribuciones muestrales muestran el patrón de comportamiento de las estadísticas muestrales y son importantes

3. Parámetro

Es una medida de resumen numérica que se calcularía usando
todas las unidades de la población.
Estadística
Es una medida de resumen numérica que se calcula de las unidades
de la muestra.

4. Inferencia estadística
•
Es el proceso de sacar conclusiones de la población basados en la
información de una muestra de esa población.

5. Distribuciones muéstrales
Una
estadística muestral proveniente de
una muestra aleatoria simple tiene un
patrón de comportamiento (predecible)
en repetidas muestras. Este patrón es
llamado la distribución muestral de la
estadística.

6. Si
conocemos la distribución muestral
podemos hacer inferencia.

Las
distribuciones muestrales adoptan
diferentes formas según las estadísticas
investigadas y las características de la
población estudiada.

7. Distribución muestral de una proporción
muestral
La
distribución muestral de la proporción
muestral es la distribución de los valores de
las proporciones muestrales de todas las
posibles muestras del mismo tamaño n
tomadas de la misma población.

10. Supongamos
que sabemos que P = 5.0 ¿Qué
pasa si tomamos una muestra tamaño n = 20 ?
Muestra
#1: H M H H H M M M H H H M H M M H
H M H M Proporción de mujeres p =9/20=0.45
Muestra #2: M M H M H M M H H H H M H H M M
M H M M Proporción de mujeres p =11/20=0.55
Muestra #3: H H M M M H H M H M H M H M M
HHMM
 H Proporción de mujeres p =10/20=0.50

11. Recuerden
que al analizar una distribución nos
interesa:
1. Forma (simétrica o sesgada)
2. Posición central - la media de una
distribución muestral nos dice si el estadístico
es un "buen" (insesgado) estimador del
parámetro o es sesgado.
3. Dispersión - nos da una idea del error de
muestreo.

12. Sesgo y Precision
 Cuando
estimamos un parámetro de la población a
partir de una estadística muestral, nos va a interesar que
la estimación no tenga sesgo y sea precisa.

13. Distribución muestral de una proporción
Si
P representa la proporción de elementos
en una población con cierta
característica de interés, es decir, la
proporción de “éxitos”, donde “éxito”
corresponde a tener la característica.

14. 1. Forma (simétrica o sesgada)
2. Posición central - la media de una
distribución muestral nos dice si el
estadístico es un "buen" (insesgado)
estimador del parámetro o es sesgado.
3. Dispersión - nos da una idea del error
de muestreo.