📐 Distribución Muestral de la Media
Si X ~ N(μ, σ²), entonces x̄ ~ N(μ, σ²/n). Para n grande, el TLC garantiza normalidad aunque la población no sea normal. La media de la distribución muestral es μ y su desviación estándar es σ/√n (error estándar).
📐 Distribución Muestral de la Proporción
Para una proporción p, la distribución muestral de p̂ tiene media p y error estándar √(p(1-p)/n). Se aproxima a normal si np ≥ 10 y n(1-p) ≥ 10.
🧮 Error Estándar
El error estándar (EE) es la desviación estándar de la distribución muestral. Mide la precisión del estimador. EE = σ/√n para la media, EE = √(p(1-p)/n) para la proporción. Disminuye al aumentar n.
📈 Teorema del Límite Central
El TLC es el resultado más importante de la inferencia. Afirma que la distribución de la media muestral (o suma) de variables independientes tiende a una normal cuando n → ∞, sin importar la distribución de la población original.
Explora los conceptos con ejemplos practicos disponibles en la simulacion interactiva de este modulo.
Intuicion
La inferencia estadistica permite extraer conclusiones sobre una poblacion basandose en una muestra.
Formula clave
Las formulas de inferencia se basan en distribuciones muestrales y el TCL.
Paso a paso
Aprende el procedimiento sistematico para realizar inferencias correctas.
Error comun
Identifica y evita los errores mas frecuentes en interpretacion.
Ejemplo concreto
Aplica los conceptos a problemas reales de inferencia.
Conexion
Fundamental para modelos predictivos (Curso 4).