- 31 -

CURSO : ESTADISTICA II

PROF. : GIRALDO LAGUNA, S. ORLANDO

INTRODUCCION A LA INFERENCIA ESTADISTICA

1. INFERENCIA .- Conducir a un resultado o llegar a una conclusin.
1.1. INFERENCIA DEDUCTIVA .- Es aquella cuyos resultados son obtenidos particularizando
lo que es general. Este tipo de inferencia es exacta y segura.
1.2. INFERENCIA INDUCTIVA ( INFERENCIA ESTADISTICA ) .- Es aquella cuyos resultados
son obtenidos generalizando lo que se conoce de algo particular (muestra). Este tipo de
resultados es inexacto e inseguro y, en tanto sean debido al azar, podrn ser medidos
por la probabilidad.
Cmo justificamos la validez de este tipo de resultados?
Mediante : La Teora de la Probabilidad
La Teora de las muestras ( muestreo )
2. NOCIONES DE MUESTREO
2.1. MUESTREO .- Es el conjunto de procedimientos estadsticos, que permiten seleccionar
una muestra probablisticamente, diseando la seleccin para cada poblacin particular.

2.2. TIPOS DE MUESTRAS ALEATORIAS

Dependiendo de la varianza de la poblacin y el tipo de procedimiento usado para
obtenerla, se tiene:
1.- Muestra Aleatoria Simple ( m.a.s )
2.- Muestra Estratificada
3.- Muestra Sistemtica
4.- Muestra por Conglomerado
2.3. TABLA DE NUMEROS ALEATORIOS
Es un mtodo deliberado y ordenado que asegura la aleatoriedad en la conformacin de la
muestra. En la que los dgitos de 0 a 9 son igualmente probables. A continuacin se d un
fragmento de una de esas tablas:
5160

7851

8464

6789

3938

4197

6511

0407

9239

2232

2961

0551

0539

8288

7478

7565

5581

5771

5442

8761

1428

4183

4312

5445

4854

9157

9158

5218

1464

3664

Ejemplo del uso de una Tabla de nmeros aleatorios:

Una poblacin en estudio tiene 2000 unidades estadsticas. Considerando el fragmento de

tabla de nmeros aleatorios; obtenga una muestra aleatoria de tamao 5.
Solucin :
1 Enumeramos las 2000 unidades estadsticas, comenzando de 1, y puesto que la
enumeracin abarcar 4 cifras tendremos; de 0001 a 2000.
2 Ubicados en el primer nmero de 4 cifras, del fragmento, recorremos la tabla de
izquierda a derecha ( el mismo sentido de una lectura ) seleccionando los nmeros
que no excedan a 2000, y eliminando a los que excedan o se repitan, si el muestreo
es sin reemplazamiento, hasta completar la muestra de tamao 5 , esto es:
De la primera fila obtenemos : 0407
De la segunda fila obtenemos : 0551, 0539
De la tercera fila obtenemos

: 1428, 1464

POBLACION OBJETIVO, POBLACION MUESTRAL Y UNIDAD ESTADISTICA

POBLACION OBJETIVO.- Es la totalidad de los elementos involucrados en una
investigacin ( Universo ).
TIPOS DE POBLACION OBJETIVO
1.- FINITA.- Es aquella poblacin representada por un conjunto de N elementos
(unidades estadsticas).
Ejemplo 1.- Los pesos de 200 alumnos se distribuyen normalmente.
2.- INFINITA.- Es aquella poblacin representada por una v.a.; X o los valores de sta.
Ejemplo 1.- Los pesos de los alumnos se distribuyen normalmente.
POBLACION MUESTRAL .- Es la totalidad de los elementos de donde se va a tomar la
muestra muestra.
UNIDAD ESTADISTICA .- Es el elemento base de una investigacin, es quien tiene
informacin de lo que se quiere estudiar.
POBLACION OBJETIVO

POBLACION
MUESTRAL

UNIDAD
ESTADISTICA

- 32 -

3. MOMENTO POBLACIONAL
Es una caracterstica numrica de la poblacin, y si sta es representada por la v.a.
entonces el momento poblacional se define como:

X,

E ( X a ) r E ( X a ) r donde a , r + ; r indica el orden del momento

Si a = 0 ' E ( X r ) :

Si r = 0

Momento de orden r, respecto al origen

E ( X 0 ) E (1 ) 1

Si

r=1

E( X 1 ) E( X )

Si

r=2

E( X 2 )

Si

r=n

E( X n )

Si a = X r E ( X X ) r :

Momento central de orden r

Si r = 0 r E ( X X ) 0 E (1) 1
Si r = 1 E ( X X ) 1 E ( X X ) 0
Si r = 2 E ( X X ) 2 2

Si

r = n E( X X ) n

4. MUESTRA ALEATORIA
DEFINICION

1.- Una muestra desde una poblacin finita, de tamao N, es m.a. si cada posible

muestra de tamao n ( n N ) es igualmente probable.

Nmero de muestras de tamao n de una poblacin de tamao N, sin orden ni reemplazo:

n
DEFINICION

2 .-

Es una coleccin

X 1, X 2

, ... ,

Xn

estadsticamente independientes e idnticamente distribuidos.

Notacin :

X = ( X 1, X 2, . . . , X n )

de v.a.

unidimensionales;

4.1. ESTADISTICA MUESTRAL

Es una funcin de la muestra que no contiene parmetros desconocidos, y como tal es
una v.a. unidimensional.
Ejemplo 1.- Si X N( , 2 ) con y 2 desconocidas, y sea X = ( X1, X2, ..., Xn )
una m.a. tomada de dicha poblacin. Verifique si cada una de las siguientes funciones
muestrales son o no estadsticas:
n

Xi

a). ( X1, X2, ... , Xn ) = i 1

n

, llamada Media Muestral

n

__

( X i X )2

b). ( X1, X2, . . . , Xn ) = S2 = i 1

, llamada Varianza Muestral Insesgada

n 1
__

( xi X )2

c). ( X1, X2, . . . , Xn ) = S2 = i 1

, llamada Varianza Muestral Sesgada

d). ( X1, X2, . . . , Xn ) = X i2

n

xi 10

e). ( X1, X2, . . . , Xn ) = i 1

( No es una estadstica )

Ejemplo2.- Si X N ( , 2 ) con 2 conocido

n

X i 10

( X ) = i 1

Ejemplo 3.- Si X Exp. ( )

(X) = 5

Xi

( No es una estadstica )

i 1

5. MOMENTO MUESTRAL
Es una caracterstica numrica de la muestra, y si sta es representada por el vector aleatorio
X = ( X1 , X2 , . . . , Xn ) entonces el momento muestral se define como:
n

( X
i 1

a )r

donde a , r + ; r indica el orden del momento

- 33 n

Si a = 0 m ,r

X
i 1

r
i

MOMENTO MUESTRAL DE ORDEN r , RESPECTO AL ORIGEN

X
i 1

Si r = 0 m ,0

0
i

n
n

Si r = 1 m

X
i 1

,
1

Si r = 2 m ,2

X
i 1

2
i

Si a = m r

(X
i 1

)r

MOMENTO MUESTRAL DE ORDEN r, RESPECTO Al CENTRO

Si r = 0 m r

( X i )0
i 1

Si r = 1 m 1

( Xi )
i 1

Si r = 2 m 2

i 1

(X

)2

6. INFERENCIA ESTADSTICA PARAMTRICA

Es aquella que asocia a la poblacin, de donde se extrajo la muestra, un modelo o distribucin
de probabilidades.
INFERENCIA NO PARAMTRICA
Es aquella que no asocia a la poblacin, de donde se extrajo la muestra, un modelo o
distribucin de probabilidades.

7. TEOREMA CENTRAL DEL LIMITE

Sea una v.a. X con E ( X )

y V ( X ) 2

conocidas.

Sea = ( X1 , X2 , X3 , . . . , Xn ) una muestra aleatoria de la poblacin X

Definamos :

f1 ( ) X i
i 1

Entonces, si

f1 ( )

X
i 1

n ( n > 30 ) se tiene las distribuciones de probabilidad para las funciones

f1 y f2 , respectivamente :

n
n

~
N
E
(
X
),
V
(
Xi )
X

i
i
i 1
i 1

i 1

donde
n
n
E X i E ( X i ) n
i 1 i 1
n
n
V X i V ( X i ) n 2
i 1 i 1
X ~ N E ( X ),V ( X )

donde
n
Xi
E X E i 1
n

1 n
n
1 n
E Xi E Xi

n
n i 1 n i 1

n
Xi
V X V i 1
n

1 n
1
2 V Xi 2
n i 1 n

V ( X i )
i 1

n 2 2

n
n2