Una estadstica basada en las mediciones contenidas en una muestra es un

estimador que nos aproxima al valor verdadero de un parmetro poblacional. Los

estimadores tienen sus propias caractersticas.
Estimacin: Proceso por el cual se averigua el valor de un parmetro de la
poblacin a partir de los estadsticos obtenidos en la muestra.
Estimado puntual: Es un valor individual (o punto) que se usa para aproximar un
parmetro de poblacin, es un nmero que se utiliza para aproximar el verdadero
valor de dicho parmetro poblacional. A fin de realizar tal estimacin, tomaremos
una muestra de la poblacin y calcularemos el parmetro muestral asociado (x
para la media, s para la desviacin estndar, etc.). El valor de este parmetro
muestral ser la estimacin puntual del parmetro poblacional.
Parmetro: Valor numrico que describe una caracterstica de la poblacin. Los
parmetros se estiman a partir de la informacin aportada por la muestra de la
poblacin.
Intervalo de confianza: (o estimado del intervalo) es un rango (o un intervalo) de
valores que se usa para estimar el valor real de un parmetro de poblacin. El
intervalo de confianza suele abreviarse como IC. Rango de nmeros en el que se
cree se encuentra el valor del parmetro de la poblacin.
Error de estimacin admisible: Que estar relacionado con el radio del intervalo
de confianza.
Estimacin por intervalos: Consiste en proporcionar un rango de valores para la
estimacin para el parmetro de la poblacin.
Estimaciones de intervalo: Describe un intervalo de valores dentro del cual es
posible que est un parmetro de poblacin. Consideramos el concepto de
intervalo de confianza, cmo se obtiene un tal intervalo para una media
poblacional a partir de una muestra aleatoria de n observaciones.
Sesgo: es la diferencia entre el valor esperado del estimador y el parmetro que
estima.
x E
,


) ( E Sesgo
.
Ausencia de sesgo: Se refiere al hecho de que una media de muestra es un
estimador no sesgado de una media de poblacin porque la media de la
distribucin de muestreo de las medias de muestras tomadas de la misma
poblacin es igual a la media de la poblacin misma. Podemos decir que una
estadstica es un estimador sin sesgo o imparcial si, en promedio, tiende a tomar
valores que estn por encima del parmetro de la poblacin que se est estimado
con la misma frecuencia y la misma extensin con la que tiende a asumir valores
por debajo del parmetro de poblacin que se est estimando.
Eficiencia: La eficiencia se refiere al tamao del error estndar de la estadstica.
Si comparamos dos estadsticas de una muestra del mismo tamao y tratamos de
decidir cul de ellas es un estimador ms eficiente, escogeramos la estadstica
que tuviera el menor error estndar o la menor desviacin estndar de la
distribucin de muestreo.
Exactitud: Por exactitud de un estimador se entiende una combinacin de sesgo y
varianza (cuanto menos sesgo y varianza posea, ms exacto ser).
Consistencia: Una estadstica es un estimador coherente de un parmetro de la
poblacin si al aumentar el tamao de la muestra, se tiene casi la certeza de que
el valor de la estadstica se aproxima bastante al valor del parmetro de la
poblacin. Si un estimador es coherente, se vuelve ms confiable si tenemos
tamaos de muestra ms grandes.
Suficiencia: Un estimador es suficiente si utiliza una cantidad de la informacin
contenida en la muestra que ningn otro estimador podra extraer informacin
adicional de la muestra sobre el parmetro de la poblacin que se est estimando.
Robustez: Es la calidad de la resistencia en la eficiencia al cambiar el modelo de
la distribucin original.
Nivel de confianza: Es la probabilidad 1 _ a (a menudo expresada como el valor
de porcentaje equivalente), que es la proporcin de veces que el intervalo de
confianza realmente contiene el parmetro de poblacin, suponiendo que el
proceso de estimacin se repite un gran nmero de veces. El nivel de confianza
tambin se llama grado de confianza o coeficiente de confianza.Es la probabilidad
de que el parmetro se encuentre en un determinado intervalo. Generalmente es
un porcentaje prximo al 100%, el de ms uso frecuente es de 95.5%.
Valor crtico: es el nmero en la lnea limtrofe que separa estadsticos
mustrales que tienen mayor probabilidad de ocurrir de aquellos que no tienen
probabilidad de ocurrir. El nmero za>2 es un valor crtico, una puntuacin z con la
propiedad de que separa una rea de a>2 en la cola derecha de la distribucin
normal estndar.
Valor esperado de un estimador y sesgo. El valor esperado de un estimador
nos da un valor alrededor del cual es muy probable que se encuentre el valor del
estimador. Para poner un ejemplo, si supiramos que el valor esperado de un
estadstico es 4, esto significara que al tomar una muestra: No creemos que el
valor de la estadstica vaya a ser 4, pero tampoco creemos que el valor de la
estadstica vaya a estar lejos de 4.
Margen de error: Cuando se utilizan los datos de una muestra aleatoria simple
para estimar una proporcin poblacional p, el margen de error, denotado por E, es
la diferencia mxima probable (con probabilidad 1 _ a) entre la proporcin
muestral observada y el valor real de la proporcin poblacional p. El margen de
error E tambin se llama error mximo del estimado y se calcula multiplicando el
valor crtico por la desviacin estndar de las
proporciones mustrales.


Grados de libertad: Es el nmero de valores mustrales que pueden variar
despus de haber impuesto ciertas restricciones a todos los valores de los datos.
Distribucin-t o distribucin t de student: Es una distribucin de probabilidad
que surge del problema de estimar la media de una poblacin normalmente
distribuida cuando el tamao de la muestra es pequeo.



















TIPOS DE ESTIMACIN ESTADSTICA
Un problema importante de la inferencia estadstica es la estimacin de
parmetros de la poblacin, brevemente parmetros (tales como la media y la
variacin de la poblacin), de los correspondientes estadsticos mustrales, o
simplemente estadsticos (tales como la media y la variacin de la muestra).

Estimaciones sin sesgo
Si la media de las dispersiones de muestreo con un estadstico es igual que la del
correspondiente parmetro de la poblacin, el estadstico se llamara estimador sin
sesgo o insesgado del parmetro; si no, si no se llama estimador sesgado. Los
correspondientes valores de tal estadstico se llaman estimacin sin sesgo, y
estimacin con sesgo respectivamente.
Ejemplo, la media de las distribuciones de muestreo de medias
x
o , media de
la poblacin. Por lo tanto, la media muestral es una estimacin sin sesgo de la
media de la poblacin.
Ejemplo, las medias de las distribuciones de muestreo de las variables son
2
s
n
1 n
2

En donde,
2
s sea una estimacin sin sesgo, sin embargo, s es una estimacin
sesgada, pues, en trminos del valor esperado es insesgado.
2 2
) S ( E ) X ( E

Estimacin Eficiente
Si las distribuciones de muestreo de dos estadsticos tienen la misma media (o
esperanza), el de menor varianza se llama un estimador eficiente de la media,
mientras que el otro se llama un estimador ineficiente, respectivamente.
Si consideramos todos los posibles estadsticos cuyas distribuciones de muestreo
tiene la misma media, aquel de varianza mnima se llama a veces, el estimador de
mxima eficiencia, sea el mejor estimador.
Ejemplo, Las distribuciones de muestreo de media y mediana tienen ambas la
misma media, a saber, la media de la poblacin. Sin embargo, la varianza de la
distribucin de muestreo de medias es menor que la varianza de la distribucin de
muestreo de medianas. Por tanto, la media muestral da una estimacin eficiente
de la media de la poblacin, mientras la mediana de la muestra da una estimacin
ineficiente de ella.
De todos los estadsticos que estiman la media de la poblacin, la media muestral
proporciona la mejor (la ms eficiente) estimacin. En la prctica, estimaciones
ineficientes se usan con frecuencia a causa de la relativa sencillez con que se
obtienen algunas de ellas. Estimaciones de punto y estimaciones de intervalo, su
fiabilidad, una estimacin de un parmetro de la poblacin dada por un solo
nmero se llama una estimacin de punto del parmetro. Una estimacin de un
parmetro de la poblacin dada por dos puntos, entre los cuales se pueden
considerar encajado al parmetro, se llama una estimacin del intervalo del
parmetro. Las estimaciones de intervalo que indican la precisin de una
estimacin y son por tanto preferibles a las estimaciones de punto
La Inferencia Estadstica comprende los mtodos que son usados para sacar
conclusiones de la poblacin en base a una muestra tomada de ella. Incluye los
mtodos de estimacin de parmetros y las pruebas de hiptesis.
La Estimacin de parmetros comprende a su vez la Estimacin Puntual, en
donde se estudian los diversos mtodos de encontrar estimadores y las
propiedades ptimas que deben tener stos, y la Estimacin por Intervalos de
Confianza, en donde se estima un parmetro usando un intervalo centrado en un
estimado del parmetro y de longitud igual a dos veces el error de estimacin. El
Error de estimacin depende del nivel de confianza deseado, usualmente, 90, 95
99 por ciento.
Estimacin por exactitud:
Estimacin por exactitud se entiende una combinacin de seg y varianza.
(Cuanto menos sesgo y varianza posea ms exacto ser). Se mide con error
cuadrtico medio.

Ejemplo comparado con exactitud


Estimacin por consistencia:
Un estimador se dice consistente si a medida que aumenta el tamao de la
muestra su diferencia con respecto al parmetro se hace mnima.

Ejemplo comparado con consistencia


Estimacin por robustez:
Es la calidad de la resistencia en la eficacia al cambiar el modelo de la distribucin
original.
Estimacin por mxima verosimilitud
Consiste en la estimacin que escoge el parmetro que es ms consistente
(probable) con los datos observados.
Tambin puede decirse que maximiza la fusin de verosimilitud:


TIPOS DE ESTIMADORES

Los procedimientos de estimacin pueden dividirse en dos tipos:

Estimacin puntual: la estimacin se representa mediante un solo nmero.

Estimacin por intervalo: la estimacin se representa mediante dos nmeros
que determinan un intervalo sobre la recta.

Ejemplo. Se quiere estimar la altura media de los alumnos de un determinado
curso. Se puede dar la estimacin diciendo que la altura media es de 1.65 m
(estimacin puntual) o bien decir que la altura media estar entre 1.6 m y 1.7 m
(estimacin por intervalo).

Un estimador es una regla que expresa cmo calcular la estimacin, basndose
en la informacin de la muestra y se enuncia, en general, mediante una frmula.

Un estimador puntual utiliza los datos de la muestra para obtener un nmero que
estima el valor del parmetro.
Un estimador por intervalo utiliza los datos de la muestra para obtener dos valores
numricos entre los cuales se supone que est el valor del parmetro estimado.
ESTIMACIN DE LA MEDIA DE UNA POBLACIN.
Adems de ser fundamental para la construccin de la distribucin de probabilidad
de un fenmeno, la estimacin de la media de poblacin a partir de muestras de la
misma presenta un gran inters prctico. Ejemplos de esto son la determinacin
del peso medio de un producto en un producto en un proceso industrial, o la media
de una magnitud fsica en un proceso de medicin.
Intervalo de confianza para la media de una poblacin.
El intervalo de confianza, para la media de una poblacin, con un nivel de
confianza de 1- , siendo x la media de una muestra de tamao n y la
desviacin tpica de la poblacin, es:

El error mximo de estimacin es:

Cuanto mayor sea el tamao de la muestra, n, menor es el error.
Cuanto mayor sea el nivel de confianza, 1-, mayor es el error.
Tamao de la muestra

Si aumentamos el nivel de confianza, aumenta el tamao de la muestra.
Si disminuimos el error, tenemos que aumentar el tamao de la muestra.


Ejemplo:
El tiempo que tardan las cajeras de un supermercado en cobrar a los clientes
sigue una ley normal con media desconocida y desviacin tpica 0,5 minutos.
Para una muestra aleatoria de 25 clientes se obtuvo un tiempo medio de 5,2
minutos.
1. Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que
se tarda en cobrar a los clientes.


2. Indica el tamao muestral necesario para estimar dicho tiempo medio con
un el error de 0,5 minutos y un nivel de confianza del 95%.






ESTIMACIN DE UNA PROPORCIN DE UNA POBLACIN.
Un estimador puntual de la proporcin P en un experimento binomial est dado
por la estadstica P=X/N, donde x representa el nmero de xitos en n pruebas.
Por tanto, la proporcin de la muestra p =x/n se utilizar como estimador puntual
del parmetro P.
Si no se espera que la proporcin P desconocida est demasiado cerca de 0 de
1, se puede establecer un intervalo de confianza para P al considerar la
distribucin muestral de proporciones.
Al despejar P de esta ecuacin nos queda:
En este despeje podemos observar que se necesita el valor del parmetro P y es
precisamente lo que queremos estimar, por lo que lo sustituiremos por la
proporcin de la muestra p siempre y cuando el tamao de muestra no sea
pequeo.

Cuando n es pequea y la proporcin desconocida P se considera cercana a 0 a
1, el procedimiento del intervalo de confianza que se establece aqu no es
confiable, por tanto, no se debe utilizar. Para estar seguro, se debe requerir que
npnq sea mayor o igual a 5.
El error de estimacin ser la diferencia absoluta entre p y P, y podemos tener el
nivel de confianza de que esta diferencia no exceder


Ejemplo: Un fabricante de reproductores de discos compactos utiliza un conjunto
de pruebas amplias para evaluar la funcin elctrica de su producto. Todos los
reproductores de discos compactos deben pasar todas las pruebas antes de
venderse. Una muestra aleatoria de 500 reproductores tiene como resultado 15
que fallan en una o ms pruebas. Encuentre un intervalo de confianza de 90%
para la proporcin de los reproductores de discos compactos de la poblacin que
no pasan todas las pruebas.
Solucin:
n=500
p = 15/500 = 0.03
z (0.90) = 1.645

Se sabe con un nivel de confianza del 90% que la proporcin de discos
defectuosos que no pasan la prueba en esa poblacin est entre 0.0237 y 0.0376.

Estimacin de la Diferencia de dos Proporciones
Para este caso en particular se utilizar la distribucin muestral de diferencia de
proporciones para la estimacin de la misma. Recordando la frmula:

Despejando P1-P2 de esta ecuacin:


Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya que al
hacer el despeje nos queda las dos proporciones poblacionales y es precisamente
lo que queremos estimar, por lo que se utilizarn las proporciones de la muestra
como estimadores puntuales:

Ejemplos: 1.-Se considera cierto cambio en un proceso de fabricacin de partes
componentes. Se toman muestras del procedimiento existente y del nuevo para
determinar si ste tiene como resultado una mejora. Si se encuentra que 75 de
1500 artculos del procedimiento actual son defectuosos y 80 de 2000 artculos del
procedimiento nuevo tambin lo son, encuentre un intervalo de confianza de 90%
para la diferencia real en la fraccin de defectuosos entre el proceso actual y el
nuevo.
Solucin: Sean P1 y P2 las proporciones reales de defectuosos para los procesos
actual y nuevo, respectivamente. De aqu, p1=75/1500 = 0.05 y p2 = 80/2000 =
0.04. Con el uso de la tabla encontramos que z para un nivel de confianza del 90%
es de 1.645.

Como el intervalo contiene el valor de cero, no hay razn para creer que el nuevo
procedimiento producir una disminucin significativa en la proporcin de artculos
defectuosos comparado con el mtodo existente.
2.- Un artculo relacionado con la salud, reporta los siguientes datos sobre la
incidencia de disfunciones importantes entre recin nacidos con madres
fumadoras de marihuana y de madres que no la fumaban:

Encuentre el intervalo de confianza del 99% para la diferencia de proporciones.
Solucin: Representemos P1 la proporcin de nacimientos donde aparecen
disfuncionesentre todas las madres que fuman marihuana y definamos P2, de
manera similar,para las no fumadoras. El valor de z para un 99% de confianza es
de 2.58.

Este intervalo es bastante angosto, lo cual sugiere que P1-P2 ha sido estimado de
manera precisa.


CONCLUSIN:
La estadstica inferencial permite conocer caractersticas de la poblacin a
partir de la informacin contenida en una muestra.
La primera fase de la estadstica se trata de coleccionar, ordenar y
presentar los datos o hechos numricos. La segunda parte se encarga de analizar,
sintetizar (hacer inferencias y realizar interpretacin) y finalmente publicar los
datos que han sido presentados en forma de grfica y/o de manera tabular. Es
precisamente en la seccin del anlisis estadstico en donde el investigador debe
modificar los datos, esdecir hacer estimaciones de los datos. Para hacer
estimaciones, uno debe estar bien familiarizado con los criterios estadsticos que
se debe reunir y considerar en el proceso de la estimacin, ya que las
estimaciones nos conducen a las inferencias y decisiones errneas.












REFERENCIAS BIBLIOGRFICAS:
Badii, M.H. & A. Guillen. Estimaciones Estadsticas: Un Acercamiento
Analtico (StatisticalEstimations: AnAnaliticalApproach) Mxico.
http://www.spentamexico.org/v5-n1/5(1)237-255.pdf
Escobar, Modesto. Estimacin estadstica. Junio de 1996.
http://web.usal.es/~modesto/pdf/A5.-Estimacion%20estadistica.pdf
Lucelly Reyes. 2010.
http://fisica.udea.edu.co/~labgicm/Laboratorio%20Fisica%201_2011/2010_t
eoria%20de%20errores/Distribucion%20de%20t%20Student.pdf
Mendoza, H, Bautista, G. (2002). Probabilidad y Estadstica. Universidad
Nacional de Colombia, Licencia: CreativeCommons BY-NC-ND.
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/

Oviedo, E. Santiago. Muestreo y estimacin.
http://aprendeenlinea.udea.edu.co/lms/moodle/mod/resource/view.php?inpo
pup=true&id=30810.
Ronal, J. Estimacin Estadstica. 2008.
http://bd.unsl.edu.ar/download.php?id=795
Triola, Mario F. Mxico 2009. Estadstica. Dcima edicin. Pearson
Educacin.