ESCUELA PROFESIONAL DE ECONOMIA

ESTADISTICA INFERENCIAL APLICADA

Dr. Santiago S. Montenegro Canario

Estadistico
smontenegro@[Link]
mocasa_03@[Link]

LIMA, PERÚ – 2020

 QUINTA SEMANA

APROXIMACIONES DE
LA NORMAL A LA TEORIA DEL MUESTREO
BINOMIAL Y POISSON
 FUNCIÓN DE PROBABILIDAD DISCRETA

BINOMIAL x= 0,1,2 3 4….

USOS * Valor de p ~ ½
* Valor de n < 30

MEDIA

VARIANZA
Función de Probabilidad Discreta
P = probabilidad de éxito
Q= probabilidad de fracaso
n = Ensayos o tamaño de muestra
ADEMAS
x = probabilidad de pregunta
Función de probabilidad dictómica
p + q =1
 FUNCIÓN DE PROBABILIDAD DISCRETA

POISSON x= 0,1,2 3 4….

USOS * Valor de p ~ 0
* Valor de n >> 100

MEDIA

VARIANZA
Función de Probabilidad Discreta
P = valor tiende a cero
n = Tamaño de muestra valor grande
x = Variable = pregunta
ADEMAS
Función de probabilidad dictómica
e = 2.718281
 DISTRIBUCION HIPERGEOMETRICA
CARACTERISTICAS
• Se usa en probabilidades combinadas
• El muestreo se realiza sin reposición
• La muestra se realiza se obtiene de una población relativamente
pequeña.
• La probabilidad de éxito no permanece igual de un ensayo a otro.
• En estos casos se usa este tipo de distribución:

X = 0, 1, 2, 3, 4…

Siendo:
N : Población finita
S : Cantidad de éxitos de población
X : Éxitos en la muestra o probabilidad solicitada
n : Tamaño de muestra o número de ensayos n ≥ 5%N
LEY NORMAL ESTANDAR– f(z)
 USOS DE LA TABLA NORMAL ESTANDARD

Conocida el área o
probabilidad, hallar el
valor de z.

Encontrar z Encontrar Área

Conocido z, hallar la
probabilidad o área
 SOLUCION DE PROBLEMAS USANDO LA NORMAL
ESTANDAR

TABLAS ESTADISTICAS
•EXCEL
•SOFTWARE ESTADISTICO
NORMAL SPSS
ESTANDAR USOS
E-VIEW
OTROS
 USOS DE LA TABLA NORMAL ESTANDARD

Conocida el área o
probabilidad, hallar el
valor de z.

Encontrar z Encontrar Área

Conocido z, hallar la
probabilidad o área
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
Las vidas útiles de las pilas de una cierta marca están distribuidas normalmente. Si
el 6.68% de las pilas duran mas de 56 horas, el 30.85% duran menos de 52 horas
¿cuál es la media y cual es la desviación estándar?
Datos
X : vida útil de las pilas
6.68% duran + de 56 horas
X > 56 horas
30.85% duran - de 52 horas 30.85% 19.15%
43.32% 6.68%
X < 52 horas
σ=? μ= ? X<52 X>56
f(x) f(z)

30.85% 19.15%
43.32% 6.68%
=

Z = - 0.5 Z = 1.50
Pero
Reemplazando se tiene

Datos
X : vida útil de las pilas =
6.68% duran + de 56 horas
X > 56 horas,
Z= 1.50
=
30.85% duran - de 52 horas
X < 52 horas,
Z= -0.50
=
σ=? μ= ?

Desarrollando se tiene

1.50(52- μ ) = -0.50(56-μ )

Calculo de la desviación
μ = 53
estándar
 Aproximación de la distribución Normal a la Distribución de
Probabilidad Binomial
Si las características de la variable se ajustan a una distribución binomial y se
desea calcular probabilidades cuando la muestra o el número de ensayos es
muy grande, entonces resulta dificultoso realizar mediante las técnicas
estudiadas, principalmente cuando lo realizamos manualmente o mediante el
uso de calculadora.

Cuando np ≥ 5
Cuando nq ≥ 5.
Siendo:
n: número de ensayos o tamaño de la muestra
p: Probabilidad de éxito
q: Probabilidad de fracaso

En estos casos se usa la aproximación de la distribución Normal a la

Distribución de Probabilidad Binomial.
 APROXIMACIÓN DE DISTRIBUCIÓN NORMAL A LA BINOMIAL

La evaluación de una función de probabilidad binomial, realizada a mano o con

una calculadora, se dificulta cuando el número de ensayos o tamaño de muestra es
muy grande.

np ≥ 5

CASOS npq ≥ 5.

factor de corrección por

Fcpc= 0.5 continuidad

Ante esta situación, la distribución normal proporciona una aproximación a las

probabilidades binomiales que es fácil de usar.
Cuando se usa la aproximación normal a la binomial, en la definición de la curva
normal se tiene que:
μ = np
 APROXIMACIÓN NORMAL A LA BINOMIAL

La función estandarizadora de la distribución normal

 Como aplicar el factor de corrección por continuidad (fcpc)

Solamente puede presentarse 5 casos

1. Para la probabilidad que por lo menos ocurra x, en este caso se usa el área
sobre los valores mayores que (x-0.5)
p( x ≥ xo)
2. Para la probabilidad que ocurra mas de x, en este caso se usa el área sobre los
valores mayores que (x + 0.5).
p( x > xo)
3. Para la probabilidad que x o menos, en este caso se usa el área sobre los
valores menores que (x + 0.5).
p( x ≤ xo)
4. Para la probabilidad que ocurra menos de x, en este caso se usa el área sobre
los valores menores que (x-0.5)
p( x < xo)
5. Para la probabilidad que ocurra exactamente x, en este caso se usa el área
sobre los valores menores que (x ± 0.5).
p( x = xo).
 Problemas Aplicativos
Se sabe que una empresa de servicios el 10% de sus facturas emitidas tienen algún
error, se toma una muestra de 100 facturas, calcular la probabilidad de que
exactamente 12 de estas facturas contengan algún error.

Datos p(x-0.5) < p(x=12) < p(x-0.5)

n = 100 p(12-0.5) < p(x=12) < p(12+0.5)
p= 10% = 0.10
p(x=11.5) < p(x=12) < p(X=12.5)
q= 90% = 0.90
X=12 Estandarizando
Para x = 11.5
P(x=12) = ?? p(Z = ?) < p(Z=?) < p(Z = ?) = ??
np=10 > 5
Para x = 12.5
npq=100*0.10*0.90=9
npq=9 > 5
fcp = 0.5

p(Z = ?) < p(Z=?) < p(Z = ?) = ?? p(Z = 0.5) < p(Z=?) < p(Z = 0.833
P(11.5< x < 12.5) = P(0.50 < z < 0.0833) = p(z= 0.833) – p(z= 0.50) = 0.2967- 0.1915 = 0.1052

0 0.5 < z < 0.8333

P(X= 12) = P(11.5< x < 12.5) = 0.1067

b. Calcular la probabilidad de tener 13 o menos facturas con errores en una

muestra de 100 facturas.
El FCPC = 0.5
P(x ≤ 13) = P(x ≤ 13.5) = P(z ≤) = ??
 P(x ≤ 13) = P(x ≤ 13.5) = P(z ≤ ??) = ??

0.50 0.3770

0 z < 1.16

P(x ≤ 13) = P(x ≤ 13.5) = P(z ≤ 1.16) = 0.5 + p(z=1.16) = 0.5 + 0.3770 = 0.8770
La gerencia de un restaurante encontró que el 70% de su nuevos clientes
regresan a su establecimiento por su buena atención y productos de
calidad. En una semana en la que hubo 80 consumidores nuevos, ¿Cuál es
la probabilidad de que 60 o más regresen al establecimiento.

0 0.85
 Problemas propuestos
En una distribución de probabilidad binomial con p = 0.20 y n = 100.
a. ¿Cuál es la media y la desviación estándar?
b. ¿En esta situación las probabilidades binomiales pueden ser aproximadas
por la distribución de probabilidad normal?
c. ¿Cuál es la probabilidad de exactamente 24 éxitos?
d. ¿Cuál es la probabilidad de 18 a 22 éxitos? e. ¿Cuál es la probabilidad de 15
o menos éxitos?
Suponga que se tiene una distribución de probabilidad binomial en la que p =
0.60 y n = 200.
a. ¿Cuál es la media y la desviación estándar?
b. ¿En esta situación las probabilidades binomiales puedan ser aproximadas
por la distribución de probabilidad normal?
c. ¿Cuál es la probabilidad de 100 a 110 éxitos?
d. ¿Cuál es la probabilidad de 130 o más éxitos?
e. ¿Cuál es la ventaja de usar la distribución de probabilidad normal para
aproximar las probabilidades binomiales?
 La gerencia de un restaurante encontró que el 65% de sus nuevos
clientes regresa a su establecimiento. En una semana que
hubieron 80 consumidores nuevos.
a ¿ Cual es la probabilidad de que 60 o mas regresen en otra
ocasión?.
b. ¿Calcular la probabilidad que a lo mas regresen el 50?.

El Myrtle Beach hotel tiene 120 habitaciones, en los meses de

primavera su ocupación es de 75%.
a. ¿Cuál es la probabilidad de que por lo menos la mitad de las
habitaciones estén ocupadas en un día dado?
b. ¿De que 100 o más de las habitaciones estén ocupadas en un
día dado?
c. ¿De que 80 o menos de las habitaciones estén ocupadas en un
día dado?
APROXIMACIÓN NORMAL A LA POISSON
 ESTIMACIONES

Estadística PRUEBAS DE HIPOTESIS

Inferencial

FORMULACION DE
MODELOS
(ANALISIS DE REGRESION)
 ESTADISTICA INFERENCIAL

POBLACION (N)
MUESTRA (n)

µ=? ESTIMADOR = x

Prueba Estadística
POBLACION (N)

Parámetro MUESTRA (n)

µ µ=?
Estimador
X = Media de la
muestra

ESTIMACION
 PRUEBA DE HIPOTESIS

POBLACION (N) MUESTRA (n)

CONOCIDO

µ = µo x
Probar

Probar, mediante
muestras
 FORMULACION DE MODELOS ESTADISTICOS

y y y

y = f(x) y = f(x)
x x x
Lineal Parabólica Parábola 3er Grado

y y y

y = f(x)
y = f(x)

x x
Potencial Exponencial Logística
 MUESTREO

Muestreo es una técnica estadística que permite estudiar las

características de la población a partir de muestras
significativas y representativas.

SIGNIFICATIVA

MUESTRA

REPRESENTATIVA
 MUESTREO
Muestreo: Parte de la estadística que estudia las relaciones entre la
población y la muestra, lo cual se basa en muestras.

Probabilístico (MAS)
Tipos
No Probabilístico

La población se
Sistemático encuentra ordenada

La población se clasifica
Clases Estratificado en grupos homogéneos

La población se
Conglomerado encuentra en grandes
áreas geográficas
 TIPOS DE MUESTREO

• Hay dos tipos de muestra: Muestra Probabilística y Muestra no

Probabilistica
Muestra Probabilística: cada integrante de la población tenga
una probabilidad conocida de ser incluida en la muestra.
Muestra No Probabilístico: Usada por los profesionales con
criterio Técnico.
CLASES DE MUESTREO
• Muestreo Simple Aleatorio: cada integrante de la población
tiene la misma probabilidad de ser seleccionada.
• Muestreo Aleatorio Sistemático: cuando los integrantes o
elementos de la población se ordenan de alguna forma o teniendo
en cuenta algún criterio (Ejemplo Alfabeticamente).
• Muestreo Aleatorio Estratificado: Cuando la población se divide
en estratos, de los cuales se selecciona la muestra.
• Muestreo por Conglomerados: se usa para reducir costos en
poblaciones con áreas geográficas grandes.
 Muestreo Poblaciones
Finitas
Muestreo
Aleatorio Simple
Muestreo Poblaciones
Finitas

Muestreo Aleatorio Simple

La definición de muestreo aleatorio simple es el proceso de seleccionar una

muestra aleatoria de una población finita o infinita.
Es el procedimiento probabilístico de selección de muestras más sencillo y
conocido, en la práctica es difícil de realizar debido a que requiere de un
marco muestral y en muchos casos no es posible obtenerlo. Cuando las
poblaciones son grandes, se prefiere el muestreo en etapas.
Se caracteriza por que otorga la misma probabilidad de ser elegidos a todos
los elementos de la población. Para el calculo de la muestra se requiere del
tamaño de la población, si ésta es finita del error admisible y de la
estimación de la varianza.
 MUESTREO ALEATORIO SIMPLE DE UNA POBLACIÓN FINITA.

Una muestra aleatoria simple de tamaño n de una población finita de

tamaño N es una muestra seleccionada de manera que cada posible
muestra de tamaño n tenga la misma probabilidad de ser seleccionada.

MUESTREO ALEATORIO SIMPLE DE UNA POBLACIÓN FINITA.

Muestreo de una población infinita es aquella en la cual la población o bien

es infinita o tan grande que para fines prácticos, se considera infinita.

MUESTRA ALEATORIA SIMPLE (POBLACIÓN INFINITA)

Una muestra aleatoria simple de una población infinita es una muestra
seleccionada de manera que se satisfagan las condiciones siguientes.
1. Cada uno de los elementos seleccionados proviene de la población.
2. Cada elemento se selecciona independientemente.
 TEORIA DEL MUESTREO
· VENTAJAS DE LA TEORIA DEL MUESTREO
• 1. Costo reducido
• 2. Mayor Rapidez
• 3. Mayor exactitud
• 4. Se trabaja con una porción o parte de la población.
USOS DEL MUESTREO
• 1. En las encuestas del IPC - IPM
• 2. En las encuestas del Gobierno
• 3. En las encuestas de las Empresas Privadas
• 4. En las encuestas de los Gobiernos locales
• 5. En la Investigación de Mercados
• 6. En el Comercio, Industria y otros Sectores del Gobierno.
• 7. En los Procesos Electorales y
• 8. Acciones de Control
• 9. En la Gestión del Riesgo de Desastres
 MUESTREO ESTRATIFICADO

Estratos – Grupos
• Externamente muy heterogéneos.
• Al Interior muy homogéneos
MUESTREO SISTEMÁTICO
 MUESTREO ESTRATIFICADO

Estratos – Grupos
• Externamente muy heterogéneos.
• Al Interior muy homogéneos
 MUESTREO POR CONGLOMERADOS

• Se utiliza en grandes bloques, generalmente para

estudiar a la población.

• Se utiliza cuando la población se encuentra

dividida, de manera natural, en grupos que se
supone que contienen toda la variabilidad de la
población, es decir, la representan fielmente
respecto a la característica a elegir, pueden
seleccionarse sólo algunos de estos grupos o
conglomerados para la realización del estudio
 TABLA DE NÚMEROS ALEATORIOS

Es una tabla que contiene un conjunto de cifras entre 0 y 9

cuyo orden no obedece ninguna regla de formación, ellas se
pueden leer individualmente o en grupos y en cualquier orden, en
columnas hacia abajo, columnas hacia arriba, en fila,
diagonalmente, si se desea formar números aleatorios en un
determinado rango, basta con calcular la proporción, otra forma de
usarlo es sumando dos números tomados de alguna posición o
multiplicarlos.
Para ser presentadas estas cifras se agrupan en números de 4
dígitos, formando bloques de 5 filas y 10 columnas facilitando
de esta forma su lectura que puede iniciarse desde cualquier parte
de la tabla.
 TABLA DE NÚMEROS ALEATORIOS 4 dígitos
1
2
3
4
5

Filas
 Las tiendas de menudeo que se ubican en el Mercado Principal son:

Numero Tienda Numero Tienda Numero Tienda

0 A 9 I 17 Q
1 B 10 J 18 R
2 C 11 K 19 S
3 D 12 L 20 T
4 E 13 M 21 U
6 F 14 N 22 V
7 G 15 O 23 W
8 H 16 P 24 X

a. Si se selecciona los siguientes números aleatorios, ¿Con qué tiendas será

necesario ponerse en contacto para una encuesta? 12, 23, 80, 63, 06, 10,
32, 77, 16.
b. Seleccione una muestra aleatoria de cuatro tiendas. use la tabla de números
 TERMINOLOGIA USADA EN ESTADISTICA

Inferencia Estadística:
Parte de la estadística que se encarga de
estudiar las características de la población a
partir de una muestra aplicando los
conocimientos de la teoría del muestreo.

Son Métodos que nos permiten inferir de datos

provenientes de muestras, lo que es cierto,
de un conjunto mayor de datos referidos a
la población.
 TERMINOLOGIA USADA EN ESTADISTICA

· Estimador: Llamado también Estadístico, es

una medida de resumen de la muestra,
ejemplo La media, la mediana, la desviación
estándar.
Parámetro: Es una medida que describe
alguna característica de la población.
Censo:Es el examen de todos los elementos
de un determinado grupo llamado población
(N).
Muestreo: Es el examen de una parte o
porción de los elementos de la población, a
esta parte se le llama muestra (n).
 DISTRIBUCIONES MUESTRALES

Introducción
La inferencias sobre los parámetros de una población
se hacen a partir de los estadísticos calculados en
base a una muestra de n observaciones obtenidas al
azar de la población estudiada. Debido a muchos
factores tales como tiempo, costos y precisión de la
investigación; los parámetros de una población se
calculan frecuentemente sobre la base de ESTADISTICA
DE LA MUESTRA.

Una distribución de muestras es una distribución de

probabilidad teórica de todos los valores posibles de
algunos estadísticos de las muestras que ocurrirán, si fuese
posible obtener todas las muestras del mismo tamaño a
partir de una población dada.
 DISTRIBUCIONES MUESTRALES

• Concepto
Una distribución de muestreo es una distribución
de probabilística que indica el grado en que el
valor estadístico de la muestra tenderá a variar
debido a la variación al azar del muestro aleatorio.

· Para construir distribuciones por muestreo y

evaluar sus propiedades, se analizarán los teoremas
básicos: “La Ley de los Grandes Números” y el
“Teorema del Límite Central”.
 TEOREMA DEL LIMITE CENTRAL

Df1.
Cualquiera que sea la distribución de la variable x, si tiene
varianza finita (2), entonces la media muestral tiene
aproximadamente una distribución normal para muestras
grandes.

Df2.
La media de la muestra de cualquier distribución con
varianza 2 y media µ, se distribuye aproximadamente con
una normal con media µ y varianza 2, para muestras
grandes.
Por lo tanto: m(x) ~~ n( µ, 2 )
 LEY DE LOS GRANDES NUMEROS

La Ley de los Grandes Números: Señala que el promedio

de un número de variables idénticamente distribuidas e
independientes convergen hacia el valor esperado de la
distribución de X cuando aumenta el número esperado de
variables.

P (І x - μ І > ε ) → 0, cuando n →00

También:
P (І x - μ І ≤ ε ) → 1, cuando n →00
 PRINCIPALES DISTRIBUCIONES MUESTRALES

• Distribución de la Media de Muestra

• Distribución de Diferencia de Media de Muestras
• Distribución T-Student
• Distribución F-Fisher
• Distribución Proporcional
• Distribución de Diferencia de Proporciones
• Distribución de Varianza
• Distribución Ji-Cuadrado
• Distribución de Rho de Spearman.
 PROPIEDADES DE LOS ESTIMADORES

I.- INSESGAMIENTO
Sea ô una estimación del parámetro θ, asociado con la
distribución de la variable aleatoria X, entonces θ, es un
estimador insesgado si: E(ô ) = θ
Ejemplos:
La media muestral es un estimador Insesgado de la media poblacional.

II. SUFICIENTE (depende del tamaño de muestra)

Se dice que un estimador es suficiente, si contiene la
información necesaria para efectuar adecuadamente un
estudio.

III. EFICIENTE
Se dice que ô es un estimador eficiente del parámetro θ,
cuando existe otro estimador ô1 y se cumple la relación:
ô / ô1 > 1
 PROPIEDADES DE LOS ESTIMADORES

IV. PRECISOS:
Es aquel que tiene un varianza mínima.
ε(s) = 

V. CONSISTENTES
Un estimador ô es consistente, si para muestras grandes su
valor probabilístico difiere del valor del parámetro θ en una
cantidad muy pequeña.
P|ô–θ|~ 0
 TEORIA DEL MUESTREO - ESTIMACION

Estimación:
La estimación es el proceso de utilizar datos muestrales
para estimar los valores de parámetros desconocidos de
una población.

La teoría del muestreo tiene sus pilares fundamentales en

la Inferencia estadística y en las Pruebas o Dócimas de
Hipótesis; que tiene múltiples aplicaciones y gran parte de
los estudios se basan en estos dos conceptos.
 RELACION PARAMETRO-ESTIMADOR

Existe una importante relación entre parámetro y

estimador, ya que los estimadores son valores
estimativos de los parámetros.
Se sabe por propiedad que el valor esperado de la
media de la muestra es igual a la media en la
población.
Є [m(x) ] = x = µ

Sólo para comprobar la veracidad de la relación

existente entre un parámetro y estimador se pone
un ejemplo en el cual se puede apreciar la
importancia de esta propiedad.
N° (X1 X2) Media
1 2 4 3
2 2 6 4
3 2 8 5
4 4 6 5
5 4 8 6
6 6 8 7
VOLVO DEL PERU, tiene cinco representantes de ventas. Los cincos
representantes y la cantidad de automóviles que cada uno de ellos
vendió el mes pasado fueron:

Vendedor Nº Automóviles
Juan 6
Pedro 7
Manuel 5
Roberto 2
Luis 8

a. Cuántas muestras diferentes de tamaño 2 son posibles

b. Enumere todas las muestras de tamaño 2 y calcule la
media de cada muestra.
c. Compare la media de la distribución muestral de las
medias de muestras con la de la población.