Estimacin:

El proceso de estimacin en inferencia estadstica puede ser descrito como el proceso de

estimar un parmetro a partir del estadstico correspondiente, tal como usar una media muestral
(Estadstico) para estimar la media poblacional, (parmetro).
La estimacin de parmetros puede ser:

Puntual o Por Punto.

Por Intervalo.

Estimacin Puntual:
Objetivo.
Dar un valor numrico que aproxime en forma muy cercana al parmetro poblacional.
La estimacin puntual de un parmetro de una poblacin es un solo valor numrico de un
estadstico que corresponde a este parmetro.
Un estadstico utilizado para aproximar a un parmetro de una poblacin se denomina
Estimador del Parmetro. El nmero obtenido cuando se evala el estimador para una muestra
particular, se denomina Estimacin del Parmetro.
Sea X una variable aleatoria de inters con distribucin de probabilidad f (x).

: Parmetro Desconocido.
: f (X1, X2, X3,,Xn)
m. a. de tamao n.
Estadstico.

Estimador.
Por ejemplo:

es un posible estimador de .

: : Estimador puntual de , porque al evaluarlo para una muestra es concreto, da un solo

numero o punto.
: Estimacin puntual de .
Otros Parmetros de Inters:
P: Proporcin Poblacional (proporcin binomial).
Proporcin de elementos con cierta caracterstica de inters en un universo dado.

= Estimador puntual de P.

X: N de elementos en la muestra con caracterstica de inters.

2 : Varianza Poblacional.

Estadstico: Estimador puntual de 2.

: Desviacin estndar de una poblacin.

Estimador puntual de .

1 - 2: Diferencia de dos medias poblacionales.

Estimador puntual de 1 - 2.
Diferencia entre las medias de dos muestras aleatorias independientes.
P1 P2

Estimador puntual para P1 P2

Diferencia entre dos proporciones mustrales, basadas en dos muestras aleatorias
independientes.

Razn de dos varianzas poblacionales.

Estimador puntual de
Sea X una variable aleatoria con media desconocida y varianza 2.
X1, X2,, Xn

m. a. de tamao n.

=
= f (X1, X2,, Xn)

Estimadores posibles para

Cul es el mejor?
Antes de responder a esta pregunta debemos decidir que propiedades son deseables en un
estimador puntual.
Obviamente queremos que el estimador produzca estimaciones que puedan esperarse
sean prximas en valor al parmetro que se esta estimando.

Propiedades De Los Estimadores Puntuales:

3

Insesgabilidad

Eficiencia

Consistencia

Suficiencia

Estimador In sesgado:
Sea
si E (

un estimador puntual de un parmetro , entonces

es un estimador insesgado

) = . De lo contrario se dice que es sesgado.

Distribucin muestral de un estimador insesgado.

Distribucin muestral de un estimador sesgado positivamente, para el cual

Si el estimador es sesgado, la magnitud del sesgo es:

Sesgo

Suponga que X es una variable aleatoria con media y varianza 2, sea X1, X2, X3, X4,,
Xn una m. a. de tamao n de X. Es posible probar que la media muestral
y la varianza
2
2
muestral S son estimadores insesgados de y respectivamente.

Sin embargo S1 (Desviacin estndar muestral) es un estimador sesgado de . (:

Desviacin estndar poblacional).
Error estndar de un estimador

de un parmetro .

Medida usual de la precisin de una estimacin puntual.

Error cuadrado medio (ECM) de un estimador

Se puede demostrar que:

Si

es un estimador puntual insesgado de ; entonces:

Ya que el sesgo
Varianza de
Error de estimacin.
5

El error de estimacin es la distancia entre el estimador y su parmetro. Es decir;

= f (X1, X2,, Xn)

m. a.

Cantidad aleatoria.

Nota: La condicin de que

(promedio de los valores de

es insesgado, supone que el valor promedio de

) es exactamente correcto. No dice que un solo valor sea

exactamente correcto.

Eficiencia Relativa:
La eficiencia relativa entre dos estimadores
respectivos ECM (

) y ECM (

de un parmetro , con ECM

) se define como:

Si la eficiencia relativa es menor que 1 entonces concluimos que

es un mejor

estimador de que
Si

son dos estimadores insesgados de , entonces:

Eficiencia Relativa =

Si consideramos todos los posibles estimadores insesgados de algn parmetro , el de

menor varianza se llama Estimador mas Eficiente de .

Estimador Consistente:
6

Si
es un estimador insesgado de , basado en una m. a. de tamao n, decimos que
es consistente para , si:

La consistencia es una propiedad de muestras grandes.

Los estimadores cuyo ECM (o varianza si el estimador es insesgado) tiende a cero
cuando el tamao de la muestra tiende al infinito, son consistentes.
Por ejemplo:
Si X

N (, 2) y X1, X2,, Xn

Es una muestra aleatoria de tamao n de X, entonces

estimador consiente de .

es un

Es un estimador insesgado de .

Estimacin Por Intervalo.

7

Un estimador por intervalo es una regla que especifica un mtodo que utiliza las
mediciones de la muestra para calcular dos nmeros que forman los extremos del intervalo.
Objetivo:
Encontrar un estimador por intervalo que genere intervalos angostos que contengan a
(parmetro) con una alta probabilidad.
Los estimadores por intervalo se denominan comnmente intervalos de confianza.
Un intervalo de confianza de , es un intervalo [L, U] que incluye a con un grado de
certidumbre establecido.
L y U se denominan extremos inferior y superior del intervalo de confianza.
L: Limite inferior de confianza.
U: Limite de confianza superior.
L, U: Estadsticos (variables aleatorias).
Para construir un estimador por intervalo del parmetro desconocido, debemos
encontrar L y U tal que:
P (L U) = 1
La probabilidad 1 se le llama Coeficiente de Confianza. Usualmente, se expresa en
porcentaje: 100 (1 ) %.
1 es la probabilidad de que el intervalo contenga al parmetro.
0<<1
El intervalo resultante:
LU
Se llama intervalo de confianza del 100 (1 ) % para el parmetro . (Intervalo de
confianza de dos lados).
En ocasiones un intervalo de confianza de un lado podra ser til.
L Intervalo de confianza inferior del 100 (1 ) %.
U Intervalo de confianza superior del 100 (1 ) %
Donde U se elige de modo que:
P ( U) = 1 -

Estimacin Por Intervalo de .

8

Intervalo de confianza sobre la media (), conocida la varianza (2).

Construir un intervalo de confianza del 100 (1 ) % para la media de una poblacin
denotada por X, con varianza 2 conocida a partir de una muestra aleatoria (m. a.) X 1, X2, X3,,
Xn de tamao n.
como estimador puntuales de .

Si usamos
Distribucin de

Si la muestra es seleccionada de una poblacin normal.

De donde:

A falta de esta (De poblacin normal), si n es suficiente grande:

* Si se cumplen las condiciones del TLC.

Aproximadamente.
Aproximadamente.
Para construir un intervalo de confianza de , primero hallaremos una variable aleatoria
(v. a.) cuya expresin contenga a y cuya distribucin se conozca al menos aproximadamente.
Ntese que la v. a.

Contiene al parmetro y su distribucin es normal

estndar (o al menos aproximadamente normal estndar).

Queremos determinar L y U de forma que P (L U) = 1
Consideremos la participacin de la curva normal estndar.
(I)

Formula exacta cuando la poblacin muestreada tiene distribucin normal y varianza 2

conocida.

Si 2 no se conoce (y
) reemplazar por S en (I). Buena aproximacin,
siempre que n sea grande (n 30).

Intervalo de confianza sobre la medida (), 2 desconocida, muestra pequea.

Suponer:

Poblacin normal con medida y 2 (varianza) desconocida.

X

N (, 2)

Muestra aleatoria de tamao n.

X1, X2, Xn
Media Muestral

Varianza Muestral

n pequea (< 30).

Construir un intervalo de confianza del 100 (1 ) % para .

Estimador puntual de

10

Reacomodando:

P (L U) = 1

Intervalo de confianza de dos lados del 100 (1 ) % para .

11

Donde
derecha.

es el valor t con n 1 grados de libertad que deja una rea de

a la

A la formula anterior a menudo se le denomina formula del intervalo de confianza para la

media en muestras pequeas, aunque es valido para muestras de cualquier tamao.

Intervalo de confianza de un lado del

100 (1 ) % en .

12

Estimacin de 2.
Suponga que una m. a. de tamao n es seleccionada de una poblacin normal con media
y varianza 2 desconocidas.
N (, 2)

X1, X2,, Xn.

m. a.
Estimador puntual de .

Estimador puntual de 2.

Son estadsticos.
Construir un intervalo de confianza del 100 (1 ) % para 2.

Va a utilizar para construir el intervalo de confianza para 2.

13

Reacomodando:

P (L

U) = 1-

Limite de confianza

Donde

son los valores X2 con n-1 grados de libertad que

dejan reas de /2, 1- /2, respectivamente a la derecha.

Intervalos de confianza bilaterales del 100 (1-) % para 2.

14

Extrayendo Raz Cuadrada

Intervalos de Confianza bilateral del 100 (1-) % para

Intervalo De Confianza Para Una Proporcin P

Supngase que estamos interesados en estimar la proporcin P de elementos que presentan la
caracterstica de inters en un universo dado. Una muestra aleatoria de tamao n es seleccionada
al azar y se observa el numero de elementos X (xn) en la muestra que tiene la caracterstica de
inters.

Sabemos que:

Cuando n es grande (?)

Aproximadamente.
Estandarizando:

Aproximadamente.

15

Dividiendo numerador y denominador entre n, tenemos:

Estimador puntual de P
Es un estimador integrado de P.

V.a a utilizar para construir el intervalo de confianza del 100 (1-) % para P

Considerando la particin de la curva normal estndar, tenemos:

16

Pero:

Reacomodando:

Al sustituir P por
en el error estndar (lo que resulta un error estndar estimado) tenemos
que: El intervalo de coeficiente bilateral del 100 (1 ) % aproximado en P es:

Estimacin De La Diferencia Entre Dos Medias.

Puntual.
Por intervalo.

Considrese dos poblaciones con medias 1 y 2 y varianzas 12 y 22 (conocidas)

respectivamente. Dos muestras aleatorias independientes de tamao n 1 y n2 son seleccionadas,
una de dada poblacin.

17

Un estimador lgico de 1- 2 es
X11, X12,.......X1n1
X21, X22,X2n2

donde

son las medidas mustrales.

m.a de tamao n1 de X1.

m.a de tamao n2 de X2.

X1 y X2 denotan las poblaciones de inters.

El valor numrico

Estimador puntual de 1- 2.
es la estimulacin puntual de 1- 2.

La distribucin maestral de
es normal si X1 y X2 estn distribuidas de forma normal o
aproximadamente normal si se completa las condiciones del TLC.

La distribucin de la v.a Z es normal estimada; si X1 y X2 son normales o aprox. Normal estndar

si n1 y n2 son grandes (TLC).

18

De donde:

Sustituyendo Z:

Aislar algebraicamente 1- 2 del centro de la desigualdad:

De donde:

19

*intervalo de confianza aproximado a menos que las dos poblaciones sean normales.

La forma del intercambio anterior se aplica si se conocen 12 y 22. Si las varianzas no se conocen
y las dos poblaciones son normales, la distribucin t resulta implicada como en el caso de una
muestra. Si no esta dispuesto a suponer normalidad muestras grandes ( 30) permitirn el uso de
S12 y S22 respectivamente.

Intervalo De Confianza Para 1- 2 Con Varianza Desconocida.

Suposiciones:
Poblaciones normales

Varianza desconocida, pero iguales.

Muestra aleatoria undipendientes de tamaos n1 y n2

20

Muestras pequeas.

X11, X12,, X1n,

X21, X22,, X2n2

Con la suposicin de 12 = 22 un intervalo de confianza para 1 - 2 basado en la v.a T se puede

construir.

21

Sustituyendo T

Reareglando:

De donde:

Intervalo de confianza del 100 (1 ) % para

1 - 2, 12= 22 pero desconocidas.
A la forma anterior a menudo se le denomina formula del intervalo de confianza para 1 - 2 en
muestras pequeas, aunque es valida para muestras de cualquier tamao y funciona
satisfactoriamente cuando la poblacin no es normal, mientras que la desviacin de la
normalidad no se exceda.

Cuando no es razonable suponer que 12= 22, un intervalo de confianza de dos lados de100 (1
) % aproximado en 1 - 2 es:

22

De donde

La construccin del intervalo de confianza anterior se bazo en la variable aleatoria:

Intervalo de confianza para 1 - 2

Observaciones pareadas
Suponer:

Poblaciones normales

Muestras aleatorias dependientes.

X11, X12,, X1n,

X21, X22,, X2n2

23

-n1=n2=n

n pequea.

D: denota una poblacin de diferencia.

Se puede construir un intervalo de confianza para 1 - 2 con solo encontrar un intervalo de

confianza para D.

24

Uso de distribucin t.

Sustituyendo y reacomodando tenemos:

Intervalo de confianza de dos lados del 100 (1 ) % en

Intervalo de confianza sobre la razn de
Varianzas de dos poblaciones normales

Suponer:
Poblaciones normales.

1 - 2, 12 y 22 no se conocen

Muestras aleatorias independientes.

X11, X12,, X1n,
X21, X22,, X2n2

25

La forma mas lgica de estimar (estimador puntual) la razn de dos varianzas, es estimar cada
una por separado como se vio anteriormente y despus estimar que

es la razn de estas

estimaciones.

Estimador puntual de 12.

Estimador puntual de 22.

Si 12 y 22 son las varianzas de dos poblaciones normales, podemos construir un

intervalo de confianza basndonos en la variable aleatoria F.

26

Variable aleatoria a utilizar para construir el intervalo de confianza de 100 (1 - ) %.

De la figura tenemos:

27

Reareglando:

De donde:

Donde

es un valor f con

de libertad que deja un rea a la derecha de

con

grados
es un valor de f similar

grados de libertad (g. l.)

Intervalo de confianza de dos lados (Bilateral) del 100 (1 ) % para

28

Intervalo De Confianza Para La Diferencia De Dos Proporciones P1 P2.

P1 P2

Parmetro.

P1: Proporcin de elementos con la caracterstica de inters en un universo dado.

P2: Proporcin de elementos con la caracterstica de inters en otro universo dado.
Si bien se trata de dos universos diferentes, la caracterstica de inters deber ser la
misma.
P1 y P2 son parmetros binomiales.
Si toman muestras aleatorias independientes de tamao n1 y n2 respectivamente.

X1: N de elementos en la muestra 1 con la caracterstica de inters.

X2: N de elementos en la muestra 2 con la caracterstica de inters.

Un estimador lgico de P1 P2 es:

Es posible probar que:

29

Se puede construir un intervalo de confianza para P 1 P2 considerando la distribucin

muestral de

Distribucin muestral de

Para n1 y n2 grandes.
De donde:

30

De la curva normal estndar podemos escribir:

Sustituyendo para Z.

Reareglando:

31

De donde un intervalo de confianza de dos lados del 100 (1 ) % aproximado para P1

P2 es:

La construccin del intervalo de confianza para P1 P2 se basa en la aproximacin

normal a la binomial que es adecuada para n1 y n2 grandes. ?

32