Se dice que la estimación de un parámetro ha sido puntual cuando se utiliza un sólo

valor del estadístico para aproximar el valor del parámetro.

Ejemplo 1.

Un estimador de la media poblacional del suelo tipo A es la media muestral X y un

estimado es el valor x = 530.5.
Un estimador de la varianza poblacional del suelo tipo A es la varianza muestral S 2
y un estimado es el valor s 2 = 530.5.
Observe que se utiliza letras minúsculas para el estimado y letras mayúscula para el
estimador.

Por qué utilizar la media muestral como estimador de la media poblacional al comparar tra

Si tenemos dos tratamientos, y deseamos compararlos, lo ideal sería tomar todas las
posibles observaciones de cada tratamiento y hallar la media (poblacional) de cada
uno de estos. El mejor tratamiento sería el que mostrara mayor o menormedia
poblacional, según sea el caso. Sin embargo, no es posible aplicar el tratamiento a
todo el material experimental debido a la disponibilidad de recursos (materiales,
económicos, humanos), por ello, se requiere seleccionar una muestra aleatoria de
todo el material posible y con ella determinar una medida que aproxime el valor de
la media poblacional (estimador). Esta medida es la media muestral, la cual se dice
estadísticamente que es el “mejor” estimador de la media poblacional, debido a que
posee propiedades estadísticas deseables como son: insesgamiento, consistencia, de
varianza mínima.

Estadísticamente, la media muestral se representa por la letra mayúscula X y no se

refiere al valor obtenido en la muestra del tratamiento sino a todos los valores
posibles de todas las muestras que se puedan tomar para ese tratamiento. Así, el
valor obtenido para una muestra se representa por x o y Este último es solo uno de
1.
todos los posibles valores de medias que se pueden obtener, y todos los valores
posibles se concentran alrededor del verdadero valor de la media poblacional. Por
esto, cuando el tamaño de la muestra se hace más grande, el valor de la media
obtenida se acerca mucho más al verdadero valor de la media poblacional y la
varianza de las medias es pequeña, con tendencia a cero. A esta última se le conoce
como propiedad de consistencia. Si al promediar todos los valores de medias
posibles es la verdadera media poblacional, tendremos la propiedad conocida como
2
insesgamiento. La media muestral X y la varianza muestral S son estimadores
insesgados de µ y σ 2 respectivamente ya que
 E X = µ y E S2 = σ 2.

Es posible obtener otra medida que aproxime el valor de la media poblacional?

La mediana muestral o el rango medio puede cumplir la propiedad de

insesgamiento; pero, estadísticamente se conoce que la media muestral es el
estimador insesgado que presenta los valores más cercanos entre sí, por esto se
dice que cumple la propiedad de mínima varianza. Con lo anterior podemos decir
que, al tomar el valor de la media de una muestra estoy confiando que este valor es
“cercano” al verdadero valor de la media poblacional.

DISTRIBUCIÓN MUESTRAL DE LA MEDIA

A la distribución de probabilidad de una estadística se le llama Distribución

Muestral. Se puede obtener la distribución muestral de una estadística de dos
maneras. Deducirse matemáticamente, o ser calculada aproximadamente con el m
étodo Montecarlo. Se obtiene esta aproximación simulando un muestreo repetitivo
de un número fijo n de observaciones de la población dada, se calcula el valor de la
estadística, cada vez que se selecciona al azar una muestra de la población y se
repite el proceso de muestreo. Si se repite el proceso un gran número de veces, la
distribución de frecuencias relativas de los valores calculados de la estadística,
proporcionará una buena aproximación de su distribución muestral.

Cómo se distribuyen los valores posibles de medias muestrales?

Si se obtienen todas las muestras aleatorias posibles de n observaciones, extraídas
con reposición de una población con media µ y desviación estándar σ, la
distribución muestral (distribución de probabilidad) de X tendrá una media igual
a µ (la misma de la población muestreada) y una desviación estándar igual a
σ / n o muy conocida como error estándar de la media o error típico de la
media.