• Inferencia estadística: extrae conclusiones sobre una población a partir de una muestra, cuantificando la fiabilidad mediante el cálculo de probabilidades.
• Parámetro: característica de la población (media μ, proporción P), generalmente desconocida. Estadístico: característica de la muestra (x̄, p̂) que se usa para estimar el parámetro.
• Muestreo probabilístico: aleatorio simple (misma probabilidad para todos), sistemático (uno cada k = N/n), estratificado (muestra de cada estrato homogéneo) y por conglomerados (grupos elegidos al azar).

• Fracción de muestreo: n/N = 50/1.000 = 0,05 (5 %).
• Producción: 600 × 0,05 = 30.
• Administración: 300 × 0,05 = 15.
• Dirección: 100 × 0,05 = 5.
• Total: 30 + 15 + 5 = 50, respetando la estructura de la plantilla (ningún grupo infra o sobrerrepresentado).

• Se trata de una binomial B(5; 0,2), con q = 0,8. Función: P(X = k) = C(5, k)·0,2^k·0,8^5−k.
• Exactamente una: P(X = 1) = C(5,1)·0,2·0,8⁴ = 5·0,2·0,4096 = 0,4096 (40,96 %).
• Al menos una (suceso contrario): P(X ≥ 1) = 1 − P(X = 0) = 1 − 0,8⁵ = 1 − 0,3277 = 0,6723 (67,23 %).
• Número esperado: μ = n·p = 5·0,2 = 1 pieza (varianza σ² = npq = 0,8).

Porque el sesgo es un error sistemático de diseño (dejar fuera a ciertos grupos, marco incompleto), no aleatorio. Aumentar n reduce el error de muestreo (aleatorio), pero reproduce a mayor escala el mismo sesgo. Una muestra pequeña bien diseñada es mejor que una grande sesgada.

Para muestras suficientemente grandes (n ≥ 30), la distribución de la media muestral se aproxima a una distribución normal, con media igual a la poblacional (μ) y desviación típica σ/√n (error estándar), sea cual sea la distribución de la población de partida. Es el fundamento de la inferencia.