Población, muestra, parámetro y estadístico

Ilustracion de ciencia de datos: pipeline de datos crudos a insights con herramientas. — El ecosistema de la ciencia de datos: desde los datos hasta la etica.

Mapa conceptual

La frontera que hay que tener clarísima En estadística hay dos mundos que no debes mezclar: el tamaño real de las cosas (parámetros, sobre la población) y lo que puedes medir (estadísticos, sobre la muestra). Toda la inferencia consiste en saltar, con control del error, de uno al otro.

Un censo mide a todos; una muestra mide a una parte con la esperanza de que represente al todo. Cuando lees «la edad promedio de los mexicanos es 29.1», casi nunca fue un censo: es un estadístico calculado sobre una muestra y presentado como aproximación a un parámetro que nadie midió por completo. Entender esa sustitución es el corazón de la estadística inferencial.

La letra griega suele reservarse para el parámetro; su versión latinoamericana, para el estadístico. Es una convención, pero te ahorra confusiones.
Concepto	Sobre qué se calcula	Naturaleza	Símbolo típico
Población	el universo completo de interés	conjunto (finito o infinito)	N
Muestra	una parte observable	subconjunto	n
Parámetro	la población	valor fijo pero casi siempre desconocido	μ, σ, p
Estadístico	la muestra	valor calculado, varía entre muestras	x̄, s, p̂

¿Por qué muestrear en lugar de medirlo todo?

Costo y tiempo: una encuesta nacional a 130 millones es prohibitiva; a 2 000 personas, viable y oportuna.
Destructibilidad: probar la vida útil de una ampolleta destruyéndola no admite medir todas.
Suficiencia: para una tendencia bien definida, una muestra pequeña y bien tomada supera a un censo mal ejecutado.

El peligro que no se ve con n No todo es ventaja: una muestra SESGADA es peor que un censo imperfecto, porque el sesgo no se corrige aumentando el tamaño. Mil respuestas autoseleccionadas pueden contar una historia falsa con total consistencia.

Dos familias de muestreo

La palabra clave del probabilístico no es «aleatorio» a secas, sino «probabilidad conocida»: solo así se puede estimar qué tan lejos se está de la verdad.
Familia	Cómo se elige	Ventaja	Riesgo
Probabilístico	cada elemento con probabilidad conocida	permite generalizar con error controlado	requiere un marco de muestreo completo
No probabilístico	criterio del investigador (conveniencia, bola de nieve)	rápido y barato	no autoriza inferencia a la población

El «promedio de satisfacción» calculado con las opiniones voluntarias de los clientes que entraron a una encuesta en línea es, técnicamente:

Aumentar el tamaño de una muestra corregiría un sesgo de selección grave.

Une cada situación con el concepto que la describe con precisión.

Clasifica cada enunciado como parámetro o estadístico.

Parámetro

Estadístico

Un valor que describe a toda la población se llama ; su contraparte calculada sobre la muestra es un . Al estimar el primero a partir del segundo, la diferencia debida al azar se conoce como error de .

El estadístico fluctúa, el parámetro no

	μ real	x̄ muestra A	x̄ muestra B	x̄ muestra C
valor estimado	50	47	53	50

Este gráfico resume la lección entera: el parámetro es fijo (aunque no lo conozcas); el estadístico es una variable, porque depende de qué elementos te tocó observar. Toda la construcción de intervalos de confianza y pruebas de hipótesis que verás después nace de tomarse en serio esa fluctuación.

Para seguir practicando

INEGI · marco de muestreo (México)
Ejemplo real de cómo un instituto oficial define población, marco y muestreo a gran escala.

Diseña una pregunta sobre tu comunidad (salud, movilidad, hábitos) y especifica: (a) tu población objetivo, (b) cómo tomarías una muestra probabilística, (c) un estadístico que calcularías y qué parámetro estimaría, y (d) una fuente de sesgo que deberías vigilar. Si no puedes construir un marco de muestreo, explica qué pasaría con tu conclusión.

Reflexiona: ¿como se relaciona este tema con los demas temas del curso? ¿Que ejemplo practico podrias dar?

UC Berkeley Data Science
Recursos y definiciones de ciencia de datos.