La Prueba 2 de Estadísticas I (EAI2130, ex ADM2100) en la UAndes es donde el ramo cambia de cancha. En la P1 casi todo era describir datos que ya tenías al frente: promedios, dispersión, un poco de probabilidad. En la P2 el foco se da vuelta y te piden lo contrario: sacar conclusiones sobre una población entera a partir de una muestra chica. Ese salto —de describir a inferir— es exactamente donde más gente se cae, no porque la fórmula sea difícil, sino porque no tiene claro qué está tratando de responder.

Esta guía es para quien pasó la P1 con lo justo y siente que ahora entiende menos que antes. Si vas puntero y ya te manejas con distribuciones muestrales, probablemente acá encuentres poco nuevo. Pero si te suena a chino la frase “con 95% de confianza”, quédate: vamos a ordenar la materia de la P2 pieza por pieza.

Qué cambia entre la P1 y la P2 de Estadísticas I

Antes de estudiar conviene tener claro el mapa. La P2 no reemplaza lo de la P1: lo usa como base y construye encima. Esta es la diferencia real de enfoque:

Si internalizas esa última fila, ya tienes media prueba ganada. Todo lo que viene —normal, TLC, intervalos, hipótesis— son herramientas para manejar la incertidumbre, no para eliminarla.

Variables aleatorias continuas y la distribución normal

La P2 casi siempre parte con la distribución normal. La idea es simple aunque asuste: en vez de contar casos, calculas probabilidades como áreas bajo una curva. La normal queda definida por su media (dónde está el centro) y su desviación estándar (qué tan ancha es).

El truco práctico es la estandarización: transformar cualquier valor a un puntaje Z con Z = (X − μ) / σ. Con eso llevas todo a la normal estándar y buscas el área en la tabla (o en la calculadora). El error clásico acá es confundir “probabilidad de que X sea menor que” con “mayor que”: dibuja siempre la curva y sombrea el área que te piden antes de tocar la tabla. Treinta segundos de dibujo te ahorran medio punto.

Distribuciones muestrales y el Teorema del Límite Central

Este es el concepto bisagra de toda la P2, y el que más se estudia mal. Una distribución muestral es la distribución de un estadístico (como la media muestral) si repitieras el muestreo muchas veces. No es la distribución de los datos: es la distribución del promedio.

El Teorema del Límite Central (TLC) dice que, con una muestra suficientemente grande, la media muestral se comporta como una normal, aunque los datos originales no lo sean. Su desviación estándar es σ/√n, el famoso “error estándar”. Ojo con eso: mientras más grande la muestra, más chico el error estándar, y por eso las estimaciones con muestras grandes son más precisas. Si en un ejercicio te dan n y te piden la probabilidad sobre un promedio, la señal es usar σ/√n, no σ a secas. Ese cambio de σ a σ/√n es el error número uno en las P2.

¿Te está costando el salto a inferencia? En el curso de ARomperla lo vemos con ejercicios tipo prueba, paso a paso →

Estimación: intervalos de confianza sin fórmulas mágicas

Un intervalo de confianza es un rango que probablemente contiene el parámetro real de la población. La estructura siempre es la misma: estimador ± (valor crítico × error estándar). Cambia el valor crítico según uses la normal (Z) o la t de Student, y ahí está la primera decisión importante.

La regla operativa que te conviene memorizar: si conoces σ poblacional (raro, pero pasa en ejercicios) usas Z; si solo tienes la desviación de la muestra y n es chica, usas t con n−1 grados de libertad. Y cuidado con interpretar mal el “95% de confianza”: no significa que hay 95% de probabilidad de que el parámetro esté en tu intervalo. Significa que, si repitieras el proceso muchas veces, el 95% de los intervalos construidos contendría el parámetro. En pruebas de la UAndes esa interpretación conceptual suele valer puntaje aparte del cálculo, así que no la sueltes.

Introducción al contraste de hipótesis (dónde se cae la gente)

El contraste de hipótesis es la parte que más intimida y la que tiene la lógica más mecánica una vez que la ordenas. Siempre planteas dos hipótesis: la nula (H₀), que es el “no pasa nada” o el statu quo, y la alternativa (H₁), que es lo que quieres demostrar. Todo el procedimiento busca ver si los datos dan evidencia suficiente para rechazar H₀.

Los tropiezos típicos son dos. El primero: plantear las hipótesis al revés: recuerda que H₀ siempre lleva la igualdad. El segundo: creer que “no rechazar H₀” es lo mismo que “probar que H₀ es verdadera”: no lo es, solo significa que no hubo evidencia suficiente. Define el nivel de significancia α (normalmente 0,05), calcula el estadístico de prueba, compáralo con el valor crítico o mira el p-valor, y concluye en palabras del problema, no en jerga. La conclusión “rechazo H₀” sin traducirla al contexto casi siempre pierde medio punto.

Plan de estudio de 10 días y ejercicio tipo P2 resuelto

Un orden que funciona si te quedan un par de semanas: días 1 a 3, normal y estandarización hasta que salga sin pensar; días 4 a 6, distribuciones muestrales y TLC (es lo que más rinde estudiar bien); días 7 y 8, intervalos de confianza; días 9 y 10, contraste de hipótesis y una prueba antigua completa cronometrada. Deja siempre el último día para repasar errores, no para materia nueva.

Ejercicio tipo P2. El tiempo de atención de estudiantes en una plataforma tiene media poblacional desconocida y desviación estándar σ = 12 minutos. Tomas una muestra de n = 36 y obtienes un promedio de 40 minutos. Construye un intervalo de confianza del 95% para la media.

Primero, el error estándar: σ/√n = 12/6 = 2. Como conocemos σ, usamos Z; el valor crítico para 95% es 1,96. El intervalo es 40 ± 1,96 × 2 = 40 ± 3,92, es decir, entre 36,08 y 43,92 minutos. La lectura correcta: con 95% de confianza, la media poblacional del tiempo de atención está en ese rango. Fíjate cómo apareció el σ/√n: si hubieras usado 12 en vez de 2, el intervalo te habría quedado absurdamente ancho. Ese es justo el chequeo de sentido común que te salva en la prueba.

Preguntas frecuentes sobre la P2 de Estadísticas I UAndes

¿Entra la materia de la P1 en la P2? Directamente poco, pero la necesitas como base: probabilidad y variables aleatorias son el cimiento de todo lo nuevo. No la borres de la cabeza.

¿Uso Z o t? Z cuando conoces la desviación poblacional σ; t cuando solo tienes la de la muestra y n es chica. En la mayoría de los ejercicios de aula te dicen σ, así que Z aparece harto.

¿Necesito memorizar tablas? No de memoria, pero sí saber leerlas rápido. Practica ubicar valores de Z y de t hasta que no te cueste; en la prueba el reloj corre.

¿Qué es lo que más pesa? Distribuciones muestrales y el TLC. Si dominas de dónde sale σ/√n y qué representa, el resto de la prueba se ordena solo.

Si quieres ver todas las guías de la UAndes ordenadas por ramo y prueba, revisa el hub de la Universidad de los Andes en ARomperla. Y si prefieres practicar con ejercicios resueltos y controles antiguos comentados, el curso de ARomperla para Estadísticas I te arma el estudio día por día hasta la P2.