Professional Documents
Culture Documents
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.