Pablo Daniel Nieto Ziga Grupo 2253 Estadstica inferencial

Distribucin muestral La distribucin de probabilidad de todas las muestras de un determinado tamao de muestra de la poblacin Distribucin de muestreo Es la distribucin de probabilidad de una estadstica; es una funcin de las variables aleatorias que se observan en la muestra, que resulta de un nmero infinito de muestras aleatorias de tamao, mutuamente independientes; provenientes de la poblacin de inters. Error muestral Cuando se utilizan valores muestrales, o estadsticos para estimar valores poblacionales, o parmetros, pueden ocurrir dos tipos generales de errores: el error muestral y el error no muestral. El error muestral se refiere a la variacin natural existente entre muestras tomadas de la misma poblacin. Cuando una muestra no es una copias exacta de la poblacin; an si se ha tenido gran cuidado para asegurar que dos muestras del mismo tamao sean representativas de una cierta poblacin, no esperaramos que las dos sean idnticas en todos sus detalles. El error muestral es un concepto importante que ayudar a entender mejor la naturaleza de la estadstica inferencial. Los errores que surgen al tomar las muestras no pueden clasificarse como errores muestrales y se denominan errores no muestrales. El sesgo de las muestras es un tipo de error no muestral. El sesgo muestral se refiere a una tendencia sistemtica inherente a un mtodo de muestreo que da estimaciones de un parmetro que son, en promedio, menores (sesgo negativo), o mayores (sesgo positivo) que el parmetro real. El sesgo muestral puede suprimirse, o minimizarse, usando la aleatorizacin.

La aleatorizacin se refiere a cualquier proceso de seleccin de una muestra de la poblacin en el que la seleccin es imparcial o no est sesgada; una muestra elegida con procedimientos aleatorios se llama muestra aleatoria. Los tipos ms comunes de tcnicas de muestreo aleatorios son el muestreo aleatorio simple, el muestreo estratificado, el muestreo por conglomerados y el muestreo sistemtico. Si una muestra aleatoria se elige de tal forma que todos los elementos de la poblacin tengan la misma probabilidad de ser seleccionados, la llamamos muestra aleatoria simple. Teorema de lmite central
El teorema central del lmite es uno de los resultados fundamentales de la estadstica. Este teorema nos dice que si una muestra es lo bastante grande (generalmente cuando el tamao muestral (n) supera los 30), sea cual sea la distribucin de la media muestral, seguir aproximadamente una distribucin normal. Es decir, dada cualquier variable aleatoria, si extraemos muestras de tamao n (n>30) y calculamos los promedios muestrales, dichos promedios seguirn una distribucin normal. Adems, la media ser la misma que la de la variable de inters, y la desviacin estndar de la media muestral ser aproximadamente el error estndar. La importancia del teorema central del lmite radica en que mediante un conjunto de teoremas, se desvela las razones por las cuales, en muchos campos de aplicacin, se encuentran en todo momento distribuciones normales o casi. Contextualizando lo anterior tenemos: La distribucin de la media muestral de una poblacin normal es una distribucin normal con la misma media poblacional y con desviacin tpica el error estndar. Este hecho nos permite calcular probabilidades cuando tenemos una muestra de una variable con distribucin normal y desviacin tpica conocida. Cuando no conocemos la desviacin tpica de la variable, tambin podemos hacer clculos con la distribucin t de Student. Cuando la muestra es lo bastante grande, la solucin nos viene dada por uno de los resultados fundamentales de la estadstica: el teorema del lmite central