A. CONCEPTO DE ESTIMACIÓN.

ES UN VALOR ESPECÍFICO OBSERVADO DE UN ESTIMADOR, POR LO QUE ASIGNA UNO O

VARIOS VALORES NUMÉRICOS A UN PARÁMETRO DE UNA POBLACIÓN SOBRE LA BASE
DE DATOS DE MUESTRA.

B. ESTIMACIONES DE PUNTO

ESTIMACIÓN PUNTUAL: CONSISTE EN UN SOLO ESTADÍSTICO MUESTRAL QUE SE USA

PARA ESTIMAR EL VALOR VERDADERO DE UN PARÁMETRO DE UNA POBLACIÓN QUE ES
DESCONOCIDO. POR EJEMPLO, LA MEDIA MUESTRAL X́ ES UNA ESTIMADOR PUNTUAL DE
LA MEDIA POBLACIONAL μ μMUESTRAL ^ P ES UN ESTIMADOR PUNTUAL DE LA
VERDADERA PROPORCIÓN POBLACIONAL P .

CUANDO USAMOS UNA ESTIMACIÓN PUNTUAL, SABEMOS QUE AUNQUE USEMOS UN

MÉTODO BUENO DE ESTIMACIÓN ES PRÁCTICAMENTE IMPROBABLE QUE EL VALOR DE LA
ESTIMACIÓN COINCIDA CON EL VERDADERO VALOR DEL PARÁMETRO, ASÍ QUE SERÍA
CONVENIENTE ACOMPAÑAR NUESTRA ESTIMACIÓN CON ALGUNA MEDIDA QUE NOS
PERMITIERA EXPRESAR LA CERCANÍA DEL ESTIMADOR AL PARÁMETRO. UNA SOLUCIÓN A
ELLO NO LOS BRINDAN LOS ESTIMADORES POR INTERVALOS DE CONFIANZA.
C. ESTIMACION DE INTERVALO.
ES LA ESTIMACIÓN DE UN PARÁMETRO DE LA POBLACIÓN DADO POR DOS NÚMEROS
QUE FORMAN UN INTERVALO QUE CONTIENE AL PARÁMETRO CON UNA CIERTA
PROBABILIDAD.
D. INTERVALOS DE CONFIANZA.
PAR DE NÚMEROS ENTRE LOS CUALES SE ESTIMA QUE ESTARÁ CIERTO VALOR
DESCONOCIDO CON UNA DETERMINADA PROBABILIDAD DE ACIERTO. FORMALMENTE,
ESTOS NÚMEROS DETERMINAN UN INTERVALO, QUE SE CALCULA A PARTIR DE DATOS DE
UNA MUESTRA, Y EL VALOR DESCONOCIDO ES UN PARÁMETRO POBLACIONAL.

E. TAMAÑOS DE MUESTRAS.
¿QUÉ TAN GRANDE DEBERÁ SER LA MUESTRA SELECCIONADA PARA REALIZAR UNA
ESTIMACIÓN POR INTERVALO DE CONFIANZA?, SI ES MUY PEQUEÑA SE PUEDE FALLAR EN
LA OBTENCIÓN DE LOS OBJETIVOS DE NUESTRO ANÁLISIS; PERO SI ES DEMASIADO
GRANDE DESPERDICIAMOS RECURSOS CUANDO TOMAMOS LA MUESTRA.

SIEMPRE SE TENDRÁ ALGO DE ERROR DE MUESTREO DEBIDO A QUE NO HEMOS

ESTUDIADO A LA POBLACIÓN COMPLETA, CADA VEZ QUE TOMAMOS UNA MUESTRA
PERDEMOS ALGO DE INFORMACIÓN ÚTIL CON RESPECTO A LA POBLACIÓN; PERO ESE
ERROR SE PUEDE CONTROLAR SI SE SELECCIONA UNA MUESTRA CUYO TAMAÑO SEA
ADECUADO.
 DADO UN NIVEL DE CONFIANZA QUE SE DESEA, HAY DOS FACTORES PRINCIPALES QUE
INFLUYEN EN EL TAMAÑO MUESTRAL NECESARIO:

A) LA VARIABILIDAD DE LA POBLACIÓN (QUEDA FUERA DEL CONTROL DEL

INVESTIGADOR).

B) EL GRADO DE ERROR QUE SE PUEDE TOLERAR EN LA ESTIMACIÓN.

F. LIMITES DE CONFIANZA PARA MEDIAS.

Supongamos que disponemos de una población en la que tenemos una v.a. con distribución con σ
conocida (de estudios previos, por ejemplo). Obtenemos una muestra de tamaño n y deseamos
estimar la media µ de la población.
El estimador puntual de la misma es la media muestral cuya distribución muestral es conocida

La cantidad

Tendrá distribución normal estándar.

Sobre la distribución N(0 , 1) podremos seleccionar dos puntos simétricos -zα/2 y zα/2 , tales que

 
Despejando la media muestral y la varianza
 

 
Que verifica las condiciones de la definición. 
Así, el intervalo de confianza para la media puede escribirse como
En la práctica, de todos los posibles valores de tenemos uno sólo y por tanto un único
intervalo de todos los posibles para distintas muestras

 
La importancia del intervalo de confianza para la estimación está en el hecho de que el intervalo
contiene información sobre el estimador puntual (valor central del intervalo) y sobre el posible
error en la estimación a través de la dispersión y de la distribución muestral del estimador.
Obsérvese que el error en la estimación está directamente relacionado con la distribución
muestral del estimador y con la varianza poblacional, e inversamente relacionado con el tamaño
muestral.

Selección de los puntos críticos para el cálculo del intervalo de confianza.

 
Sustituyendo Z por su valor en este caso particular

G. LIMITES DE CONFIANZA PARA PROPORCIONES.

Sea X una variable binomial de parámetros n y p (una variable binomial es el número de

éxitos en n ensayos; en cada ensayo la probabilidad de éxito (p) es la misma, por ejemplo:
número de diabéticos en 2000 personas).

Si n es grande y p no está próximo a 0 ó 1 (np ³ 5) X es aproximadamente normal con media

np y varianza npq (siendo q = 1 - p) y se puede usar el estadístico (proporción

muestral), que es también aproximadamente normal, con error típico dado por
en consecuencia, un IC para p al 100(1 - a)% será
Es decir, la misma estructura que antes:

Obsérvese que para construirlo, ¡se necesita conocer p!. Si n es grande (>30) se pueden
substituir p y q por sus estimadores sin mucho error, en cualquier caso como pq £ 0,25 si se
substituye pq por 0,25 se obtiene un intervalo más conservador (más grande).

Ejemplo: En una muestra de 100 pacientes sometidos a un cierto tratamiento se obtienen 80

curaciones. Calcular el intervalo de confianza al 95% de la eficacia del tratamiento.

4.

¿Qué significa este intervalo? La verdadera proporción de curaciones está comprendida entre,
aproximadamente, 72% y 88% con un 95% de probabilidad.

A. EL ERROR ESTÁNDAR DE ESTIMACIÓN.

ES UNA MEDIDA DE SU PRECISIÓN QUE SE CORRESPONDE CON LA AMPLITUD DEL

INTERVALO DE CONFIANZA. CUANTA MÁS PRECISIÓN SE DESEE EN LA ESTIMACIÓN DE UN
PARÁMETRO, MÁS ESTRECHO DEBERÁ SER EL INTERVALO DE CONFIANZA Y, SI SE QUIERE
MANTENER O DISMINUIR EL ERROR, MÁS OCURRENCIAS DEBERÁN INCLUIRSE EN LA
MUESTRA ESTUDIADA. EN CASO DE NO INCLUIR NUEVAS OBSERVACIONES PARA LA
MUESTRA, MÁS ERROR SE COMETE AL AUMENTAR LA PRECISIÓN. SE SUELE LLAMAR E,
SEGÚN LA FÓRMULA E = Θ2 - Θ1.

TRES FACTORES QUE LO DETERMINAN:

CUANDO SE MIDE UNA CANTIDAD, YA SEA DIRECTA O INDIRECTAMENTE, LA MEDIDA QUE

SE OBTIENE NO ES NECESARIAMENTE EL VALOR EXACTO DE TAL MEDIDA, YA QUE EL
RESULTADO OBTENIDO ESTARÁ AFECTADO POR ERRORES DEBIDOS A LA MULTIPLICIDAD
DE FACTORES. ALGO EN APARIENCIA TAN SENCILLO COMO CRONOMETRAR EL PERÍODO
DE OSCILACIÓN DE UN PÉNDULO SIMPLE, SUFRIRÁ ERRORES DEBIDOS A LA PRECISIÓN
DEL CRONÓMETRO, LOS REFLEJOS DEL CRONOMETRADOR, LAS CORRIENTES DE AIRE, EL
NÚMERO DE MEDIDAS EFECTUADAS ... ERRORES QUE SE PROPAGARÁN A CUALQUIER
CANTIDAD DERIVADA DE ÉSTA QUE QUERAMOS DETERMINAR, COMO POR EJEMPLO
VELOCIDAD O ACELERACIÓN.

EN ESTOS CASOS ES NECESARIO ESTIMAR EL ERROR COMETIDO AL EFECTUAR UNA

MEDIDA O SERIE DE
MEDIDAS. EL CONJUNTO DE REGLAS MATEMÁTICAS DEDICADO A SU ESTUDIO SE CONOCE
 COMO TEORÍA DE ERRORES, Y RESULTA IMPRESCINDIBLE EN EL ANÁLISIS DE UN
CONJUNTO DE DATOS EXPERIMENTALES EN CUANTO A LA FIABILIDAD DE ESTAS
MEDICIONES.

B. MUESTREO.

Muestreo
EN ESTADÍSTICA, PROCESO POR EL CUAL SE SELECCIONAN LOS INDIVIDUOS QUE
FORMARÁN UNA MUESTRA.

PARA QUE SE PUEDAN OBTENER CONCLUSIONES FIABLES PARA LA POBLACIÓN A PARTIR

DE LA MUESTRA, ES IMPORTANTE TANTO SU TAMAÑO COMO EL MODO EN QUE HAN
SIDO SELECCIONADOS LOS INDIVIDUOS QUE LA COMPONEN.

EL TAMAÑO DE LA MUESTRA DEPENDE DE LA PRECISIÓN QUE SE QUIERA CONSEGUIR EN

LA ESTIMACIÓN QUE SE REALICE A PARTIR DE ELLA. PARA SU DETERMINACIÓN SE
REQUIEREN TÉCNICAS ESTADÍSTICAS SUPERIORES, PERO RESULTA SORPRENDENTE
CÓMO, CON MUESTRAS NOTABLEMENTE PEQUEÑAS, SE PUEDEN CONSEGUIR
RESULTADOS SUFICIENTEMENTE PRECISOS. POR EJEMPLO, CON MUESTRAS DE UNOS
POCOS MILES DE PERSONAS SE PUEDEN ESTIMAR CON MUCHÍSIMA PRECISIÓN LOS
RESULTADOS DE UNAS VOTACIONES EN LAS QUE PARTICIPARÁN DECENAS DE MILLONES
DE VOTANTES.

PARA SELECCIONAR LOS INDIVIDUOS DE LA MUESTRA ES FUNDAMENTAL PROCEDER

ALEATORIAMENTE, ES DECIR, DECIDIR AL AZAR QUÉ INDIVIDUOS DE ENTRE TODA LA
POBLACIÓN FORMAN PARTE DE LA MUESTRA.

SI SE PROCEDE COMO SI DE UN SORTEO SE TRATARA, ELIGIENDO DIRECTAMENTE DE LA

POBLACIÓN SIN NINGÚN OTRO CONDICIONANTE, EL MUESTREO SE LLAMA ALEATORIO
SIMPLE O IRRESTRICTAMENTE ALEATORIO.

CUANDO LA POBLACIÓN SE PUEDE SUBDIVIDIR EN CLASES (ESTRATOS) CON

CARACTERÍSTICAS ESPECIALES, SE PUEDE MUESTREAR DE MODO QUE EL NÚMERO DE
INDIVIDUOS DE CADA ESTRATO EN LA MUESTRA MANTENGA LA PROPORCIÓN QUE
EXISTÍA EN LA POBLACIÓN. UNA VEZ FIJADO EL NÚMERO QUE CORRESPONDE A CADA
ESTRATO, LOS INDIVIDUOS SE DESIGNAN ALEATORIAMENTE. ESTE TIPO DE MUESTREO SE
DENOMINA ALEATORIO ESTRATIFICADO CON ASIGNACIÓN PROPORCIONAL.

LAS INFERENCIAS REALIZADAS MEDIANTE MUESTRAS SELECCIONADAS ALEATORIAMENTE

ESTÁN SUJETAS A ERRORES, LLAMADOS ERRORES DE MUESTREO, QUE ESTÁN
CONTROLADOS. SI LA MUESTRA ESTÁ MAL ELEGIDA —NO ES SIGNIFICATIVA— SE
PRODUCEN ERRORES SISTEMÁTICOS NO CONTROLADOS.
II. TEORÍA CLÁSICA DE LA PRUEBA.

A. APLICACIÓN DE PRUEBAS

B. HIPÓTESIS NULA

DENOTADA POR Ho, ES LA PRETENSIÓN DE QUE INICIALMENTE SE SUPONE CIERTA (LA

PRETENSIÓN DE “CREENCIA PREVIA”), LA HIPÓTESIS ALTERNATIVA DENOTADA POR Ha
ES LA ASEVERACIÓN CONTRADICTORIA A Ho.

LA HIPÓTESIS NULA SERA RECHAZADA EN FAVOR DE LA HIPÓTESIS ALTERNATIVA SOLO

SI LA EVIDENCIA MUESTRA SUGIERE QUE Ho ES FALSA,. SI LA MUESTRA NO ONTRADICE
FUERTEMENTE A Ho , SE CONTINUARA CREYENDO EN LA VERDAD DE LA HIPÓTESIS
NULA

C. HIPÓTESIS ALTERNATIVA.
LA HIPÓTESIS ALTERNATIVA DESCRIBE LA CONCLUSIÓN A LA QUE SE LLEGARÁ SI SE RECHAZA
A LA HIPÓTESIS NULA. TAMBIÉN SE CONOCE COMO HIPÓTESIS DE INVESTIGACIÓN. LA
HIPÓTESIS ALTERNATIVA SE ACEPTA SI LOS DATOS DE LA MUESTRA PROPORCIONAN
SUFICIENTE EVIDENCIA ESTADÍSTICA DE QUE LA HIPÓTESIS NULA ES FALSA.

D. PRUEBA DE SIGNIFICACIÓN.
LAS PRUEBAS DE SIGNIFICANCIA ESTADÍSTICA PROPORCIONA UNA ESTIMACIÓN DE LA
FRECUENCIA CON QUE PODRÍAN OCURRIR POR AZAR LOS RESULTADOS
EXPERIMENTALES. LOS RESULTADOS DE UNA PRUEBA DE ESTE TIPO SE PLANTEAN COMO
UNA PRUEBA DE PROBABILIDAD, INDICANDO LAS POSIBILIDADES DE QUE LA DIFERENCIA
OBSERVADA SE HAYA DEBIDO AL AZAR.
E. PRUEBAS BI O UNILATERALES.

Pruebas Unilaterales o de una cola: Que puede ser:

- Prueba de cola inferior o de lado izquierdo: cuyo caso la hipótesis en general toma la
siguiente forma:
Ho: =0, H1: 0
Donde es el parámetro de la población estadística sobre la cual se esta haciendo la
prueba de hipótesis.

Ejemplo:
1) H0: =1.65
H1: 1.65

2) H0: =13.5
H1: 13.5

- Prueba de cola superior o de lado derecho: cuyo caso la hipótesis en general toma la
siguiente forma:
 Ho: =0, H1: 0
Donde es el parámetro de la población estadística sobre la cual se esta haciendo la
prueba de hipótesis.

Ejemplo:
1) H0: =1.65
H1: 1.65

2) H0: =13.5
H1: 13.5

a) Pruebas de dos colas o bilateral: Que puede ser:

Ho: =0, H1:  ¿ 0

Ejemplo:
1) H0: =1.65
H1:  ¿ 1.65

2) H0: =13.5
H1:  ¿ 13.5

F. ERROR TIPO I
CONSISTE EN RECHAZAR LA HIPOTESIS NULA CUANDO ES VERDADERA

G. ERROR TIPO II.

IMPLICA NO RECHAZAR Ho CUANDO Ho ES FALSA