Cierta cantidad de personas que asisten todos los días al mercado ya sean mujeres u hombres pueden adquirir cualquier tipo de ropa.

...

no tiene distribución normal, el teorema del límite central ayuda a determinar la forma de la distribución muestral de la media, el teorema dice lo siguiente:

TEOREMA DE LIMITE CENTRAL.

Cuando se seleccionan muestras aleatorias simples de tamaño n de una población, la distribución muestral de la media puede aproximarse mediante una distribución normal a medida que el tamaño de la muestra sea grande.

DISTRIBUCION MUESTRAL DE PROPORCIONES.

La proporción muestral P es el estimador puntual de la proporción P es la fórmula para calcular la proporción muestral es:

Es la distribución de probabilidad de todos los posibles valores de la proporción muestral: P=x/n

EL VALOR ESPERADO DE LA PROPORCION MUESTRAL P.

Es valor esperado de la proporción muestral, es la media de todos los valores posibles de la proporción muestral es igual a la proporción poblacional.

ESTIMACION DE PARAMETROS.

La inferencia estadística asume que se cuenta con datos de una muestra y que se le desea conocer cuáles son las características ( ya sea la media . la mediana o cualquier otro que nos pueda interesar) para conocer los valores de los parámetros podemos plantearnos bien recoger datos pata todos los elementos de la población algo que puede resultar un poco viable en muchas situaciones prácticas, bien realizar una estimación de los mismos, a partir de los datos de una muestra, esta segunda vía es más habitual en la práctica, si bien supone asumir ciertos riesgos de error, pues en cuanto que estimación el valor que obtengamos no tiene por qué coincidir con el verdadero valor de ese parámetro.

Se puede diferenciar 2 grandes aproximaciones a la estimación de parámetros; ña estimación puntual y la estimación por intervalos, la diferencia básica entre ambas a la hora de estimar un parámetro es que l primera proporciona una estimación consistente en un valor concreto (puntual), muestras que la segunda ofrece como estimación en rango de valores ( intervalo) en realidad segunda aproximación consiste en una extensión de la primera, por lo que será la estimación puntual la que se abordara a reglón seguido. En el caso que se dispusiese de los datos de una población para determinar variables, la obtención de los parámetros que nos pudieran interesar será inmediata, bastaría con aplicar los índices estadísticos correspondientes para todos los datos de la población. La estimación de parámetros se representa con un acento circunflejo sobre la letra del parámetro correspondiente. En realidad para un parámetro pueden considerarse diferentes funciones matemáticas que nos ofrezcan estimaciones del mismo. Es considerada como mejor estimador de un parámetro, aquella función matemática que cumpla con las siguientes 4 propiedades.

AUSENCIA DE SESGO: un estimador es insesgado cuando el promedio de las estimaciones obtenidas en diferentes muestras es precisamente el valor del parámetro que se pretende estimar.

EFICIENCIA: esta es una propiedad que se establece en términos comparativos, es más eficiente aquel estimador cuyas estimaciones del verdadero valor del parámetro tiene una variabilidad menor, precisamente en forma de valorar la eficiencia de un estimador es obteniendo la desviación típica de las estimaciones proporcionadas por el mismo, el conocido como error típico de estimador, así de entre los estimadores será mejor el que proporcione un menor error típico de estimación.

CONSISTENCIA: un estimador es consistente si la probabilidad de que el valor estimado coincida con el de parámetro aumenta a medida que el tamaño de la muestra crece.

SUFICIENCIA: un estimador es suficiente respecto a un parámetro si agota la información disponible en la muestra aprovechable para la estimación.

Para el caso del parámetro de la media, el mejor estimador es precisamente el promedio de los datos de la muestra, esto es el índice estadístico de la media. Y en general los mejores estimadores de los parámetros correspondientes a los índices estadísticos tratados a lo largo de curso son esos propios índices estadísticos obtenidos a partir de la muestra.

A modo de resumen, los estimadores tratados en esta sesión ofrecen una estimación puntual de un parámetro, pues se les atribuye al parámetro el valor concreto (puntual) obtenido a partir de la función matemática utilizada como estimador del mismo.

En inferencia estadística se le llama estimación al conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población a partir de los datos proporcionados por una muestra.

La estimación de parámetros es el procedimiento utilizado para conocer las características de un parámetro poblacional a partir del conocimiento de la muestra.

PASOS PARA UN ESTUDIO ESTADISTICO.

Platear una hipótesis sobre una población.

Decidir que datos recoger ( diseño de experimentos)

Que individuos pertenecerán al estudio ( muestra).

Que datos ( tipos de variables).

Recoger los datos ( muestreo, tipos).

Describir ( resumir) los datos estadísticos.

Realizar una inferencia sobre la población.

Cuantificar la confianza de la inferencia.

Nivel de confianza.

Margen de error.

Parámetros una representación numérica de una población o muestra.

El parámetro resume los datos obtenidos en las observaciones que se realiza en una población, por lo que su valor es único y desconocido, por l tanto debe ser estimado.

ESTIMACIONES DE PARAMETROS: procesos realizados para conocer variaciones de un parámetro y conocer su valor absoluto.

DISTRIBUCIONES MUESTRALES.

La