3 - La distribución muestral
Lección 3 del curso Estadística Inferencial Fundamentos.
En la lección anterior vimos que el hecho de usar una muestra para caracterizar una población introduce un sesgo, lo cual implica que los cálculos estadísticos que usemos para caracterizar la población a partir de la muestra tendrán un margen de error.
En esta lección vamos a introducir el concepto que sigue estando asociado al uso de muestras en lugar de la población: la distribución muestral (o distribución de la muestra)
Este concepto de la distribución muestral nos servirá como punto de partida para métricas que nos permitirán cuantificar la confiabilidad de las estimaciones que hagamos sobre los datos a partir de las muestras recolectadas.
Así que para entender este concepto de la definición muestral comenzaremos con un sencillo ejemplo numérico, después de lo cual veremos la definición formal y los principales usos de este concepto en la Ciencia de Datos y el Machine Learning.
Y al final cerraremos con los principales aspectos a tener en cuenta al momento de usar distribuciones muestrales para analizar nuestros datos.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Bien, acabamos de ver que la distribución muestral es la distribución que tendrán las frecuencias o probabilidades de la estadística que calculemos a partir de las muestras que tomemos de la población original.
Y esta estadística que usemos para caracterizar cada muestra puede ser la media, la desviación estándar, la mediana o cualquier otra (aunque convencionalmente se usa la media, como veremos en las próximas lecciones).
Y como veremos en la próxima lección, la distribución muestral nos permitirá entender el teorema del límite central que a su vez estará asociado a los conceptos de error estándar e intervalos de confianza, que veremos en próximas lecciones y que nos permitirán medir el grado de fiabilidad de las estimaciones que hagamos a partir de las muestras.