Clase 4-4 2013 PDF

La clase anterior
Presentamos los fundamentos de

probabilidades continuas.
Densidad, distribucin, etc.
Presentamos la Distribucin Normal.
Hoy.
Veremos por qu todo es normal
Estudiaremos principios de muestreo e
inferencia estadstica.
IND3100 - Prof. Jorge Vera A. 2013
Por qu la distribucin normal parece tan normal?

Se mide la estatura de un grupo de personas (por
ejemplo, en esta sala).
Si se hace el histograma segn rangos de altura, va a
parecer normal
La altura es resultado de muchos factores, cada uno de
los cuales est sujeto a variaciones
Es sorprendente que los efectos acumulados de esas
variaciones termina teniendo un comportamiento
normal
Uno de los resultados ms importantes en
probabilidades es el que veremos a continuacin
Teorema Central del Lmite (TCL)

Supongamos que tengo n variables aleatorias:
X1, X2, , Xn
Supongamos que todas son independientes e
idnticamente distribuidas con media , y
desviacin estndar .
Sea: Sn=X1 + X2 + + Xn
Entonces, a medida que n se hace grande, Sn
distribuye aproximadamente normal con
media Sn = n
desviacin estndar Sn = n
Este resultado es vlido independiente de la
distribucin de probabilidades de los Xi.
Teorema Central del Lmite (TCL)

Tambin podemos concluir que si tomamos el
promedio de las variables aleatorias:
S =(Sn/n)=(X1 + X2 + + Xn)/n
Entonces, a medida que n se hace grande, el
promedio distribuye aproximadamente normal
con media S = y desviacin estndar S =

n
Nota: n no necesita ser muy grande.
Tpicamente n 30 basta.
Importancia del resultado
Ejemplo TCL: Lanzar un dado varias veces

Supongamos lanzamos un dado n veces y
registramos la suma de los nmeros
X1 , X2 , , Xn son las v.a. que representan
los nmeros en cada tirada.
La suma es X1 + X2 + + Xn
Recordemos la tabla con n = 2:
1
10
10
11
10
11
12
Ejemplo TCL: Lanzar un dado varias veces

0.250
n=3
0.200
0.150
0.100
0.050
17
15
13
11
0.000
17
15
13
11
17
0.250
0.000
n=2
0.000
15
0.050
13
0.050
11
0.100
0.100
0.150
0.150
0.200
0.200
n=1
0.250
Ejemplos:
Veamos algunas animaciones
http://www.ms.uky.edu/~mai/java/stat/Galto
nMachine.html
Comentarios sobre el TCL

n no tiene que ser TAN grande (30 es suficiente),
especialmente si la distribucin de los Xi es decente
Ms o menos simtrica y con colas no muy pesadas.
El TCL es otra forma de las llamadas leyes de grandes
nmeros
La distribucin de probabilidades de los Xi no importa, ms
an, incluso hay formas avanzadas del TCL en donde las
v.a. no necesitan ser i.i.d. (con n ms grande, eso s).
Entonces, la distribucin Normal puede aparecer de al
menos tres formas:
Como un modelo natural para muchos procesos fsicos
Como la suma de muchas variables aleatorias
Como una aproximacin de la suma o promedio de muchas v.a. iid
Aproximacin de Binomial con Normal

Supongamos que X es Binomial(n, p)
E(X) = np
VAR(X) = np(1-p)
Sea Y una v.a. normal con media np y varianza np(1-p)
Entonces, Y es una buena aproximacin de X si n es
grande.
Una buena regla es usar esta aproximacin slo si:
np 5 y n(1 - p) 5
Aplicacin del TCL: Binomial(n,0.8)
25
20
15
10
25
0.05
0.00
0.00
25
0.10
0.05
20
0.10
20
0.20
0.15
15
0.20
0.15
n = 25
0.25
0.25
15
25
0.35
0.30
n = 20
0.30
10
0.00
5
0.05
0.00
0.10
0.05
20
0.15
0.10
15
0.20
0.15
10
0.25
0.20
0.25
0.30
0.35
n = 15
0.35
0.30
10
n = 10
0.35
Ejemplo 3.13 de Bertsimas y Freund

Un proceso de manufactura de semiconductores tiene una
tasa de defectos de 1 en 1.000. Qu tan probable es que
hayan al menos 10 piezas defectuosas en un lote de
6.000 unidades?
Sea X el nmero de defectuosos en el lote de 6000.
X distribuye Binomial(n,p) con n=6000, p=0,001.
X = np = 6, 0; X = np(1 p) = 2, 448
Estamos en los rangos vlidos de la aproximacin y X
puede aproximarse por una v.a. normal, Y, con esos
parmetros.
P ( X 10) Pnormal (Y 10) =
Y 6 10 6
P
=
2, 448 2, 448
P( Z 1, 63) 0, 0516
IND 3100
Magster en Ingeniera Industrial
Departamento de Ingeniera Industrial y de Sistemas
Pontificia Universidad Catlica de Chile
Modelos Cuant. Para la Toma de Dec.
Muestreo y elementos de Inferencia

Estadstica
Un Ejemplo
NEXNet es una empresa pequea pero agresiva en el mercado
de telecomunicaciones de la costa Este de EEUU, y est
considerando moverse hacia el Norte, al rea de Boston.
NEXNet quiere estimar la cuenta telefnica mensual promedio en

las comunidades de Weston, Wayland, y Sudbury, mediante una
encuesta telefnica. Para motivar a la gente a participar, NEXNet
ofrecer cupones de descuentos en ciertos productos al encuestar
a los participantes.
A cuntas personas debera encuestar NEXNet

(exitosamente) para estimar en forma exitosa la cuenta
telefnica promedio en estas tres comunidades?
Cmo debera analizar NEXNet los resultados de la encuenta?

Qu estudiaremos
Muestras aleatorias.
Indicadores de la muestra: media y desviacin
estndar muestral.
Distribucin de la media muestral.
Intervalos de confianza para estimar.
Diseo del tamao muestral.
Comparaciones de poblaciones sobre la base
de muestras.
Muestra Aleatoria
Poblacin: conjunto de todos los elementos de inters
Muestra: subconjunto de una poblacin

Muestra aleatoria: una muestra recolectada de tal
forma que cada miembro de la poblacin pueda ser
seleccionado con igual probabilidad
Objetivo: Hacer inferencia sobre una

poblacin sobre la base de la informacin
de una muestra.
Usos del Muestreo Estadstico

Dnde se usa muestreo y
estadsticas?
Una Encuesta que Fall

Ejemplo: Eleccin presidencial de EEUU en
1936, Alf Landon vs Franklin D. Roosevelt.
Octubre 1936, Literary Digest llev a cabo la
encuesta ms grande de la historia (10 millones de
votantes).
Su prediccin fue que Landon ganara por 4:3
en votos populares.
Un mes despus, Roosevelt fue reelecto con la
ms grande mayora en la historia de EE.UU.
Qu pas?
La revista quebr al poco tiempo
Una Encuesta que Fall

Problemas:
Nombres obtenidos principalmente de las
guas telefnicas, listas de correo y
subscripciones
Slo 1 de cada 4 americanos tena telfono
Los pobres tendan a favorecer a Roosevelt
Literary Digest recibi de regreso slo el 20%
de las encuestas
Se sabe que los que no responden tienden a diferir
de varias formas de los que s responden
Volvamos al Ejemplo
Sigamos con NEXNet
Sobre la base de las respuestas a la encuesta, podemos
preguntar, por ejemplo:
Cul sera un estimador de la probabilidad que

la cuenta sea menor a $45? Es decir, Pr(X<=45)
Cul sera un estimador de la probabilidad

que la cuenta sea menor a $90 y mayor a $75?
Es decir, Pr(75<=X<=90)
Respondent October
Number
Phone Bill
1
$95.67
2
$82.69
3
$75.27
4
$145.20
5
$155.20
6
$80.53
7
$80.81
8
$60.93
9
$86.67
10
$56.31
11
$151.27
12
$96.93
13
$65.60
14
$53.43
15
$63.03
16
$139.45
17
$58.51
18
$81.22
19
$98.14
20
$79.75
21
$72.74
22
$75.99
IND3100 - Prof.
2013
23 Jorge Vera A. $80.35
24
$49.42
Sample Data of October Phone Bills

(sample size n = 70)
Respondent October Respondent October
Number
Phone Bill
Number
Phone Bill
25
$79.32
49
$90.02
26
$89.12
50
$61.06
27
$63.12
51
$51.00
28
$145.62
52
$97.71
29
$37.53
53
$95.44
30
$97.06
54
$31.89
31
$86.33
55
$82.35
32
$69.83
56
$60.20
33
$77.26
57
$92.28
34
$64.99
58
$120.89
35
$57.78
59
$35.09
36
$61.82
60
$69.53
37
$74.07
61
$49.85
38
$141.17
62
$42.33
39
$48.57
63
$50.09
40
$76.77
64
$62.69
41
$78.78
65
$58.69
42
$62.20
66
$127.82
43
$80.78
67
$62.47
44
$84.51
68
$79.25
45
$93.38
69
$76.53
46
$139.23
70
$74.13
47
$48.06
48
$44.51
Frecuencia(%)
Histograma
Histograma
Es esto la distribucin de
probabilidad del valor de la
cuenta telefnica?
10.0
8.0
4.0
0
40
60
80
100
120
140
Cuenta Telef. Mensual ($)
El Problema (formal)
Discutiremos ms adelante cmo
determinar n, el tamao de la muestra.
Nuestro problema actual es:
Basado en slo n valores muestrales
X1, X2, . . . , Xn , queremos hacer
inferencias acerca de la poblacin
entera.
Ms
Estimador de la Media Poblacional

Media muestral: suma de todos los elementos
de la muestra aleatoria, dividida por el tamao
de la muestra, es decir, el promedio emprico.
X=
X 1 + X 2 + ... + X n
n
Mediana muestral: el valor para el cual la

mitad de los elementos estn por debajo, es
decir, el percentil 50.
Frecuencia(%)
Histograma
10.0
8.0
4.0
0
40
60
80
100
120
140
Ms
Cuenta Telef. Mensual ($)

Mediana muestral = $76,65
Media muestral = $79,40
La media muestral toma en cuenta los valores numricos de cada

observacin, pero puede verse distorsionada por valores extremos.
La mediana muestral no se ve afectada por la magnitud de los
valores extremos. Slo entrega informacin de posicin.
Estimador para Desv. Est. Poblacional

La desviacin estndar muestral S es:
n
S=
(X
i =1
X )2
n 1
Usaremos S para estimar la desviacin estndar poblacional

Pregunta: Por qu n - 1, y no n?
Respuesta: Porque es un mejor estimador
La varianza muestral S2 es un estimador insesgado

de la varianza poblacional, es decir, E [S2] = 2.
Cuando n es grande, la diferencia es despreciable.
Volvamos al Ejemplo
NEXNet se organiza para tener 70 hogares bien encuestados
y seleccionados aleatoriamente. Encuentran que la media
muestral observada de la cuenta telefnica mensual es
$79,40, y que la desviacin estndar muestral observada es
$28,79.
Cul es su estimador de la media poblacional ?
x = $79,40
$79,40
Cul es su estimador de la desviacin estndar poblacional ?
28,79
s = $$28,79
Cmo entender el procedimiento de muestreo?

Cada toma de la muestra es una v.a.
X1, X2, . . . , Xn son v.a. independientes e idnticamente
distribuidas
Cada Xi tiene la misma distribucin que la poblacin entera:
Var[Xi] = 2.
E[Xi] = ,
X=
X 1 + X 2 + ... + X n es la media muestral (una v.a.)

n
n
(X
S=
i =1
X )2
es la desviacin estndar muestral

(una v.a.)
n 1
Cmo entender el procedimiento de muestreo?

Despus de tomar la muestra:
x1, x2, . . . , xn (con minscula) son valores observados
de la muestra (nmeros)
x=
x1 + x2 + ... + xn
n
es nuestro estimador para
s=
(x x )
i =1
n 1
es nuestro estimador para
Tpicamente, obtendremos resultados diferentes de

muestras diferentes, es decir, de cada repeticin de la
toma.
Qu tan buena es la media muestral?

El valor esperado de la media muestral:
X + X 2 + ... + X n = 1 E X + X + ... + X
( 1 2
E( X ) = E 1
n)
n
n
1
n
= ( E ( X 1 ) + ... + E ( X n ) ) =
=
n
n
En promedio, estamos estimando lo que queremos!
Tambin:
X + X 2 + ... + X n = 1 (Var X ) + ... + Var ( X )

Var ( X ) = Var 1
( 1
n )
n
n
1
2
2
= 2 (n ) =
n
n
y:
SD( X ) =
Qu tan buena es la media muestral?

La media muestral es un estimador insesgado
de la media poblacional
A medida que aumenta el tamao de la
muestra, el estimador de la media presenta
menos variabilidad
Y esto coincide con la intucin sobre
estimacin de promedios
Observacin: ntese que hemos calculado Var ( X )
no la varianza de X.
Cul es la distribucin de la media muestral?

Volvamos al ejemplo:
Cul es la probabilidad de que la media estimada est
a lo ms a una distancia L de ?
Supongamos que la distribucin de probabilidad de una
cuenta telefnica mensual tpica es normal....
L
X
L
P ( L X L) = P
/ n / n / n
Qu distribucin tiene esto?


Notar que ( X ) / ( / n ) tendr distribucin
Normal(0,1) siempre y cuando se conozca el verdadero
valor de .
Pero slo conocemos un estimador: s.
Se puede mostrar que la desv. estndar muestral sigue
una distribucin Chi-cuadrado (denotado 2 ) con n-1
grados de libertad
El cuociente entre una distribucin normal y una chicuadrado se conoce como una distribucin t-Student.
Entonces en:
Tiene distribucin t
L
X
L
= P
s/ n s/ n s/ n
La distribucin t-student
k
k 2

La t tiene colas ms pesadas que la normal...
Pero se parecen mucho cuando n es grande.
Como consecuencia del Teorema Central del Lmite
tenemos que si n es grande, entonces
X
s/ n
Distribuye aproximadamente Normal(0,1)
Esto nos permite usar la distribucin normal al calcular
probabilidades de la media muestral normalizada, pero
slo cuando la muestra es grande.
Volvamos al Ejemplo
NEXNet determina que la media muestral observada de la
cuenta telefnica mensual es $79,40, y que la desviacin
estndar muestral observada es $28,79.
Qu tan confiados podemos estar de que la media

poblacional sea =79,40?
Qu tan confiados podemos estar de que $79,40 est dentro
de +/- 1 de la verdadera media poblacional ?
Pr(1 < X < 1) = ?
Cunto confiamos en la media muestral?

Para un tamao muestral grande n,
X N ( , sn )
2
Cul es la probabilidad de que X est a lo ms a una

distancia L de ?
L
X
L
P ( L X L) = P
/ n / n / n
L
X
L
= P
s/ n s/ n s/ n
L
L
P
Z
s/ n
s/ n
Donde Z es Normal(0,1)
Volvamos al Ejemplo
Qu tan tan confiados podemos estar de que $79,40 est
dentro de +/- 1 de la verdadera media poblacional ?
L
s/ n
1
= 0, 2906
28, 79 / 70
Luego:
P(1 X 1) P(0, 2906 Z 0, 2906) = 0, 229.

Suponga que quiero estar 95% seguro que $79,40 est a
L dlares de la verdadera media poblacional. Cunto
debe valer L?
Ejemplo (cont.)
Hay que calcular L tal que:
L
L
Z
0,95 = P( L X L) = P
s/ n
s/ n
El percentil 0,95 de la normal en este caso es 1,96 y:
L
= 1,96 L = 1,96 28,79/ 70 = 6,74.
s/ n
Por lo tanto, tenemos un 95% de confianza que la media
muestral $79,40 se encuentra a lo ms a L = $6,74 dlares
de la media poblacional
Al intervalo [79,40 6,74, 79,40 + 6,74] se le llama
intervalo de confianza al 95% para la media poblacional.
Ejemplo (cont.)
Que tal si queremos estar 99% seguros?
El intervalo es ms ancho o ms angosto?
Haciendo el clculo nuevamente tenemos:
L
= 2,58 L = 2,58 28,79/ 70 = 8,86.
s/ n
Un IC al 99% para sera [79,40 8,86, 79,40 + 8,86].
Resumen: Intervalos de Confianza

El intervalo de confianza nos permite estimar qu tan
cerca est nuestro estimador del valor verdadero .
Es correcto siempre entregar un intervalo de confianza
de la forma
El nivel de confianza representa la probabilidad de que

los intervalos que calculamos incluyan .
L es determinado por el tamao muestral n, el nivel de
confianza, y la desviacin estndar (o su estimador s)
Resumen: Construyendo un IC al % para

Suponga que x es la media muestral observada y que s es la
desviacin estndar muestral observada, ambas calculadas de los
datos de una muestra. Si n es suficientemente grande, entonces
un IC al % para la media poblacional sera:
s
s
c
,
x
+
c
n
n
donde c es un nmero tal que
P(c Z c) = % , Z N (0,1)
Para = 90,
Para = 95,
Para = 99,
c = 1,65
c = 1,96
c = 2,58
Comentarios
Idealmente, queremos un intervalo angosto (L pequeo)
con un alto nivel de confianza (alto ). Objetivos
contrapuestos.
Para un tamao muestral fijo (n es fijo), si queremos
afirmar algo con un nivel de confianza ms alto,
necesitamos un intervalo ms ancho (L ms grande).
trade-off entre ancho del intervalo y el nivel de confianza
Para un nivel de confianza fijo ( y c son fijos), si

aumentamos el tamao muestral n, entonces
obtendremos un L ms pequeo.
A mayor tamao de muestra, ms precisos los
estimadores
Comentarios
Para un tamao muestral fijo y un nivel de confianza
fijo, podemos obtener un intervalo ms angosto, cuando
la poblacin es menos variable ( y s pequeos).
Es ms fcil inferir sobre una poblacin con baja
dispersin
Si tomamos muestras repetidamente, y calculamos los

intervalos de confianza, cada vez obtendremos un
intervalo diferente.
Si hacemos esto una y otra vez, el tanto % de los
intervalos resultantes incluirn la media poblacional.
Diseo Experimental
Una empresa de investigacin de mercado quiere llevar a cabo una
encuesta para estimar el monto promedio gastado por cada persona
que visita un resort popular. A esta empresa le gustara estimar el
monto promedio en un rango de +/- $120, con un nivel de confianza
de un 95%. Asumamos que la SD poblacional del gasto en el resort
es de $500.
Cul es el tamao muestral n que se requerir para esto?
500
1,96 500
120 = L = c
= 1,96
n=
67
n
n
120
Pero si no conocemos , primero

debemos estimarlo con s.
Determinando el tamao muestral

Para construir in IC al % que est dentro de +/- L de , el tamao
muestral requerido esta dado por:
c s
n=
donde c es el nmero para el cual:
P (c Z c) = % , Z N (0,1)
Para = 90,
Para = 95,
Para = 99,
c = 1.65
c = 1.96
c = 2.58
Como regla general, n debe ser siempre redondeado hacia

arriba, y tambin debera ser siempre suficientemente grande
(mayor a 30) para usar la aproximacin normal.
Comparando tratamientos
Ejemplo:
Empresa de retail quiere estimar la efectividad de una
campaa de marketing con envo de anuncios por
correo. Para esto selecciona dos grupos de 600
personas: al primer grupo se le enva la campaa y al
segundo (el control) no se le enva. Luego, se
investiga la demanda en cada grupo.
El problema: Hay diferencia significativa entre los que
se les envi la publicidad y a los que no?
Lo que habra que hacer: muestrear en cada grupo,
estimar las medias de demanda y ver si son
diferentes.
El primer grupo tiene una media 1 y desv. est. 1,
mientras que el segundo grupo tiene media 2 y
desv.est. 2
Supongamos se muestrean n1 personas en el primer
grupo y n2 en el segundo.
Sean x1,x2,,xn1 las observaciones de demanda para el
primer grupo.
Sean y1,y2,,yn2 las observaciones de demanda para el
segundo grupo.
Las dos medias muestrales son:
x1 =
x1 + ... + xn1
n1
y1 =
y1 + ... + yn2
n2
Tenemos que (por independencia):
E ( X Y ) = 1 2 , Var ( X Y ) = Var ( X ) + Var (Y )

Ahora:
Luego,
Var ( X ) =
12
DS ( X Y ) =
n1
, Var (Y ) =
12
n1
22
n2
22
n2
Y la variable aleatoria:
( X Y ) ( 1 2 )
Z=
12 22
+
n1 n2
Es aproximadamente normal (0,1), si n1 y n2 son
grandes.
Lo anterior permite construir un intervalo de confianza
para la diferencia de medias:
12 22
12 22
(
x
y
)
c
+
,
(
x
y
)
+
c
+
n1 n2
n1 n2
Donde c, como siempre, es el percentil de la

distribucin N(0,1) para un nivel de confianza dado.
Para = 90,
Para = 95,
Para = 99,
c = 1,65
c = 1,96
c = 2,58
Volviendo al ejemplo:
Supongamos n1=500, n2=400.
La media muestral en el grupo 1 es $387 y en el grupo 2
es de $365. Las desv.est. son $223 y $274
respectivamente en grupo 1 y grupo 2.
La estimacin de la diferencia es 387-365=22.
La desv.est de la diferencia es:
12
22
2232 2742
+
=
+
= 16,95
n1 n2
500 400
Y el intervalo de confianza al 98% es:
[ 17.43 , 61.43]
Hay diferencias entre los tratamientos?

Clase 4-4 2013 PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Clase 4-4 2013 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

La clase anterior

Presentamos los fundamentos de

IND3100 - Prof. Jorge Vera A. 2013

Por qu la distribucin normal parece tan normal?

IND3100 - Prof. Jorge Vera A. 2013

Teorema Central del Lmite (TCL)

IND3100 - Prof. Jorge Vera A. 2013

Teorema Central del Lmite (TCL)

con media S = y desviacin estndar S =

IND3100 - Prof. Jorge Vera A. 2013

Ejemplo TCL: Lanzar un dado varias veces

IND3100 - Prof. Jorge Vera A. 2013

Ejemplo TCL: Lanzar un dado varias veces

IND3100 - Prof. Jorge Vera A. 2013

IND3100 - Prof. Jorge Vera A. 2013

Comentarios sobre el TCL

IND3100 - Prof. Jorge Vera A. 2013

Aproximacin de Binomial con Normal

Aplicacin del TCL: Binomial(n,0.8)

IND3100 - Prof. Jorge Vera A. 2013

Ejemplo 3.13 de Bertsimas y Freund

P ( X 10) Pnormal (Y 10) =

Modelos Cuant. Para la Toma de Dec.

Muestreo y elementos de Inferencia

IND3100 - Prof. Jorge Vera A. 2013

NEXNet quiere estimar la cuenta telefnica mensual promedio en

A cuntas personas debera encuestar NEXNet

Cmo debera analizar NEXNet los resultados de la encuenta?

IND3100 - Prof. Jorge Vera A. 2013

Muestra: subconjunto de una poblacin

Objetivo: Hacer inferencia sobre una

Usos del Muestreo Estadstico

IND3100 - Prof. Jorge Vera A. 2013

Una Encuesta que Fall

La revista quebr al poco tiempo

IND3100 - Prof. Jorge Vera A. 2013

Una Encuesta que Fall

IND3100 - Prof. Jorge Vera A. 2013

Cul sera un estimador de la probabilidad que

Cul sera un estimador de la probabilidad

IND3100 - Prof. Jorge Vera A. 2013

Sample Data of October Phone Bills

Cuenta Telef. Mensual ($)

IND3100 - Prof. Jorge Vera A. 2013

IND3100 - Prof. Jorge Vera A. 2013

Estimador de la Media Poblacional

Mediana muestral: el valor para el cual la

IND3100 - Prof. Jorge Vera A. 2013

Cuenta Telef. Mensual ($)

Media muestral = $79,40

La media muestral toma en cuenta los valores numricos de cada

Estimador para Desv. Est. Poblacional

Usaremos S para estimar la desviacin estndar poblacional

La varianza muestral S2 es un estimador insesgado

Cuando n es grande, la diferencia es despreciable.

IND3100 - Prof. Jorge Vera A. 2013

IND3100 - Prof. Jorge Vera A. 2013

Cmo entender el procedimiento de muestreo?

X 1 + X 2 + ... + X n es la media muestral (una v.a.)

es la desviacin estndar muestral

IND3100 - Prof. Jorge Vera A. 2013

Cmo entender el procedimiento de muestreo?

es nuestro estimador para