Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

INTRODUCCIÓN ESTADÍSTICA, Apuntes de Estadística

INTRODUCCIÓN ESTADÍSTICA, CONCEPTOS BÁSICOS

Tipo: Apuntes

2024/2025

Subido el 27/04/2025

adriana-astorga-1
adriana-astorga-1 🇧🇴

1 documento

1 / 14

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
III. MUESTREO
ALEATORIO SIMPLE
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe

Vista previa parcial del texto

¡Descarga INTRODUCCIÓN ESTADÍSTICA y más Apuntes en PDF de Estadística solo en Docsity!

III. MUESTREO

ALEATORIO SIMPLE

  1. Definiciones y notaciones
  2. Estimadores de una media
  3. Propiedades de los estimadores
  4. Varianza de los estimadores
  5. El factor de corrección para poblaciones finitas
  6. Estimación del error estándar en los estimadores
  1. Definiciones y notaciones El muestreo aleatorio simple es un método de selección de “n” unidades de las “N” que tiene la población de modo que cada una de las muestras posibles tenga la misma probabilidad de ser elegida N= Número de unidades de la población (Tamaño de la población) n= Número de unidades de la muestra (Tamaño de la muestra)

Ejem.: Se tiene una población de 5 unidades. Hallar todas las muestras posibles de tamaña 3. En la práctica como se trabaja con poblaciones grandes, se complica formar todas las muestras posibles ; por lo tanto el procedimiento que se utiliza es seleccionar una a una las unidades de la población con probabilidades iguales hasta completar el tamaño de la muestra.

  1. Propiedades de los estimadores Insesgamiento Un escenario ideal en la estimación puntual es que su estimador en promedio sea muy parecido al parámetro, luego un estimador se dice insesgado si y solo si se cumple que: 𝐸( 𝜃̂ ) =𝜃̂ Consistencia Se requiere al menos que su valor oscile cerca del valor del parámetro para tamaños de muestra grandes, es decir, un estimador es consistente cuando: lim 𝑛→∞ 𝐸( 𝜃̂ ) =𝜃̂ lim 𝑛→∞ 𝑉( 𝜃̂ ) = 0