La Muestra

En estadística, la muestra es un subconjunto de casos o individuos de una población. En

diversas aplicaciones interesa que una muestra representativa y para ella debe escogerse
una técnica de muestra adecuada (se detiene una muestra sesgada cuyo interés y calidad es
más limitado dependiendo del grado de rasgos que presente).

Como un subgrupo o subconjunto representativo de la población, extraída y seleccionada

por algún método de muestreo. La muestra siempre es una parte de la población. Si se
tienen varias poblaciones entonces se tendrán varias muestras, esta debe poseer toda la
información deseada para tener la posibilidad de extraerlo, esto solo se puede lograr con
una buena selección de la muestra y un trabajo más cuidadoso y de alta calidad en la
recogida de datos.

Este método se utiliza cuando en diferentes o universos no se pueden aplicar un censo.

Donde a través del muestreo se puede establecer la porción de la realidad a estudiar.

Ejemplo:

Para estudiar cual es el candidato presidencial por el cual votaran los peruanos en las
próximas elecciones, se toma una muestra de 3500 personas en todo el país. La pregunta
es la siguiente: ¿Por quién votar en las próximas elecciones presidenciales?

*En este caso, la población seria la población electoral del país, es decir peruanos con
derechos a trato.

*La muestra seria el conjunto de 3500 peruanos que forman parte de la población.

*Un individuo seria cada uno de los peruanos que tienen derecho a voto.
 Estadística Inferencial
También se llama Inferencia Estadística, peor previamente recordemos que la Estadística
comprende el conjunto de métodos Estadísticos que pueden deducir (inferir) como se
distribuye la población bajo estudio a partir de la información que proporciona una muestra
representativa, obtenido de dicha población.
La Estadística Inferencial es la rama de la Estadística que estudia el comportamiento y
propiedades de las muestras y la posibilidad, y límites de la generalización de los resultados
obtenidos a partir de aquellos a las poblaciones que representan. Esta generalización de
tipo inductivo se basa en la probabilidad.
Tiene como objetivo, generalizar las propiedades de la población bajo estudio, basado en
los resultados de una muestra representativa de la población.
Para que la Estadística Inferencial dé buenos resultados se debe:
 Basarse en una técnica estadística matemática adecuada para el problema y
suficientemente validado.
 Utilizar una muestra que realmente sea representativa de la población y de un
tamaño suficiente.

Probabilidad

La probabilidad es simplemente que tan posible es que ocurra un evento determinado.

Cuando no estamos seguros del resultado de un evento, podemos hablar de probabilidad

ciertos resultados, que tan común están que ocurran. al análisis delos eventos gobernados

con la probabilidad se le llama estadística. La probabilidad está basada en el estudio de

combinatoria y es fundamento necesario de la estadística.

La probabilidad de un evento se denota con la letra “P” · se expresa en términos De una

fracción y no en porcentajes por lo que el valor de P cae entre 0 y 1. por otra parte la

`probabilidad de que un evento (no ocurra) equivale a 1 menos de valor de P y denota con

la letra q

P(Q)=1-P(E)

Los tres métodos para calcular las probabilidades son:

1: REGLA DE LA ADICCION: regla de la suma establece que la probalidad de ocurrencia

de cualquier evento en particular es igual a la suma de la probabilidades individuales, si es

que los eventos son mutuamente excluyentes, es decir que dos no, no pueden ocurrir al

mismo tiempo

Por un lado, si AYB = es decir que son mutuamente excluyentes, entonces:

P(A∪B)=P(A)+P(B)
Por otro lugar, sí A ∩ B ≠ ∅, en otras palabras que no son mutuamente excluyentes,
entonces:

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Siendo:

P(A)= Probabilidad de salida del suceso A.

P(B)= Probabilidad de salida del suceso B.

P(A ∩ B)= Probabilidad de salida simultanea de los sucesos A y B.

Otra manera de observar, seria manifestar la probabilidad de hechos mutuamente no

excluyentes mediante la sumatoria de las probabilidades de un suceso definido en función
de otros sucesos:
 P(x) ∑ P( x, y) = ∑ P(y)P(x⁄y)
y y

2. REGLA DE LA MULTIPLICACION: constituye que la probabilidad de salida de dos

o más sucesos estadísticamente independientes es igual al producto de sus probabilidades
individuales.

P(A ∩ B) = P(A)P(B), si A y B son independientes.

𝐵
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃( ), si A y B son dependientes.
𝐴

𝐵
Siendo 𝑃( ) la probabilidad de que acurra B habiéndose verificado el suceso A.
𝐴

REGLA DE LA PLACE: constituye que:

 La probabilidad de salida un hecho imposible es 0.

 La probabilidad de salida un hecho seguro es 1, P (A)= 1.

Para emplear la regla de la place es necesario que los experimentos den lugar a hechos
equiprobables, en otras palabras, que todos posean la misma o idéntica probabilidad

La probabilidad de que ocurra un suceso se calcula asi:

N° de cosos favorables
P(A) =
N° de resultados posibles

Esto significa que: La probabilidad del evento A es igual al cociente del número de los
cosos favorables sobre el total.

DISTRIBUCIÓN BINOMIAL:

La probabilidad de ocurrencia de una combinación específica de eventos independientes y

mutuamente excluyentes se determina con la distribución binomial, que es aquello donde
solo hay dos posibilidades, que se suelen designar como éxito y fracaso.

1. Hay dos resultados posibles mutuamente excluyentes en cada ensayo en observación.

2. La serie u observaciones constituyen eventos indiferentes.

3. La probabilidad de éxito permanece constante de ensayo, es decir, el proceso es

estacionario.
𝑛
P(X=m) = ( ) 𝑝𝑚 (1 − 𝑝)𝑛.𝑚
𝑚
 𝑛 𝑛!
Donde (n) =( ) = ( )
𝑚 𝑚!(𝑛−𝑚)!

Es el número total de combinaciones de “m” elementos es un conjunto de “n” elementos.

Confianza-Nivel De Confianza
Los dos procedimientos más ampliamente utilizados de interferencia estadística: La
construcción de un intervalo de confianza cuando el objeto son estimar un parámetro
poblacional y la prueba de hipótesis cuando el objetivo sos tomar una decisión respeto de
una hipótesis cuando el objeto son tomar una decisión respeto de una hipótesis que se
formule sobre el valor de un parámetro poblacional.

Solo cuando se utilizó el azar para escoger los elementos que conforman una muestra,
podemos describir como varía el estadístico.

Pudimos contestar preguntas como ¿Qué tan cercana queda la media de la muestra X, de
la media de la población u?

Estadística Paramétrica- No Paramétrica

Es una rama de estadística inferencial que comprende los procedimientos estadísticos y de
decisión que están basados en distribuciones conocidas. Estas son determinadas usando un
número finito de parámetros. Esto es por ejemplo, si conocemos la altura de las personas
sigue una distribución normal, pero desconocemos cual es el medio y la desviación de
dicha normal.
La media y la desviación típica de la distribución normal son los dos parámetros que
queremos estimar. Cuando desconocemos totalmente que distribución siguen nuestros
datos, entonces debemos aplicar primero un test no paramétrico, que nos ayude a conocer
primero la distribución.
Las técnicas estadísticas de estimación de parámetros, intervalos de confianza y pruebas
de hipótesis son, en conjunto denominados Estadística Paramétrica y son aplicados
básicamente a variables continuas. Estas técnicas se basan en especificar una forma de
distribución de la variable aleatoria y de los estadísticos derivados de los datos.
En Estadística Paramétrica se asume que la población de la cual la muestra extraída es
normal o aproximadamente normal. Esta propiedad es necesario para que la prueba de
hipótesis sea válida.
Sin embargo, en un gran número de casos no se puede determinar la distribución original
ni la distribución de los estadísticos por lo que en realidad no tenemos parámetros a estimar.
Tenemos sólo distribuciones que comparar. Esto se llama Estadística No Paramétrica.