Documentos de Académico
Documentos de Profesional
Documentos de Cultura
8. ESTIMACIN DE PARMETROS
Cuando estimamos parmetros, hacemos inferencias respecto de las caractersticas de la
poblacin a partir de la informacin contenida en las muestras.
Se pueden realizar dos tipos de estimaciones:
Estimacin puntual
Si, a partir de las observaciones de una muestra, se calcula un solo valor como
estimacin de un parmetro de poblacin desconocido, el procedimiento se llama
estimacin puntual, ya que se utiliza como estimacin un solo punto del conjunto de
todos los posibles valores.
Para poder utilizar la informacin que se tenga de la mejor manera posible, se necesita
identificar los estadsticos que sean buenos estimadores. Hay cuatro propiedades que
debe cumplir un buen estimador
Estimador insesgado
estimador de es una variable aleatoria y, por lo tanto, tiene una distribucin de
probabilidad con su media y variancia. Entonces, se puede definir un estimador
insesgado diciendo:
Si se utiliza un estadstico muestral para estimar el parmetro de poblacin , se dice
que es un estimador insesgado de si
E
O sea que, es de esperar que, si se toman muchas muestras de igual tamao, a partir de la
misma poblacin, y si de cada una se obtiene un valor de , la media de todos los valores
de ha de estar muy cerca de .
Estimador eficiente
Si se utilizan dos estadsticos como estimadores del mismo parmetro, entonces aqul
cuya distribucin muestral tenga menos error tpico es un estimador ms eficiente que el
otro. El mas eficiente es el que tenga menor error tpico.
2 de 10
Conclusin: Es natural que un estimador con un error estndar menor (con menos
variacin) tenga mayores probabilidades de producir una estimacin ms cercana al
parmetro que estamos queriendo estimar
Estimador consistente
Si es un estimador muestral calculado a partir de una muestra de tamao n y si es
el parmetro de poblacin que se va a estimar, entonces es un estimador
consistente de si para todo nmero positivo y arbitrariamente pequeo e se tiene:
cuando
n
P e 1
Es decir, la probabilidad de que est a menos de cierta distancia e del parmetro
tiende a 1 al tender n a infinito.
Por ejemplo, se sabe que la media muestral y la variancia son estimadores con-
sistentes. Pero, un estadstico muestral puede ser un estimador sin consistencia. Por
ejemplo, si el valor de la primera observacin, o la media entre la primera y ltima
observacin, de una muestra se utilizara para estimar la media de la poblacin, tal
estimador no sera consistente porque no tiende a acercarse ms y ms al valor de la
poblacin cuando se aumenta el tamao de la muestra. Algunos autores llaman a esta
propiedad congruencia del estimador.
Estimador suficiente
Un estimador suficiente del parmetro es el que agota toda la informacin pertinente
sobre 6 que se pueda disponer en la muestra.
La media muestral, la proporcin muestral y la forma corregida de la variancia muestral
son estadsticos que satisfacen los criterios o propiedades de "buenos" estimadores.
En el siguiente cuadro presentamos un resumen de parmetros y estimadores
puntuales:
Poblacin: P Muestra: M
Parmetros Estadsticos (estimadores
x
2 S2 o S'2
S o S
P
Colocaremos la variable, por ejemplo z, y como subndice el rea que sta deja por
debajo, por ejemplo z es el valor de la variable tipificada normal que deja por debajo
un rea , es decir, que la P (z z) = .
Grficamente:
Luego, el intervalo para la media poblacional de una poblacin normal con variancia
conocida es:
4 de 10
x z1
2 n
Correccin: En el caso en que las muestras se tomen sin reposicin de una poblacin
finita de tamao N, debe emplearse el factor de correccin finita y el intervalo ser:
N n N n
x z . ; x z .
1
2 n N 1 1
2 n N 1
Tamao ptimo de la Muestra:
Donde ,
z z1 / 2
z. e
n
Determina el error del muestreo, nos indica la precisin de la estimacin.
Pero z depende del valor de y, al hacer mayor el coeficiente de confianza 1 - , el valor de
z ser mayor y, por lo tanto, el error e aumentar. Esto se puede regular aumentando el
tamao de la muestra, con lo que el error disminuir.
Si
z e n z
n e
z 2 . 2
n
e2
b) ... es desconocido
Si o es desconocido, no podemos utilizar
x
z
/ n
y lo reemplazamos por
x
z
/ n
Pero esta variable del denominador es diferente para cada media de la muestra.
S
(x x )
i
n 1
Por lo tanto, el intervalo de confianza para ser:
S S
P x t x t 1
1
2 n 1
2 n
o bien:
S S
P x tn 1 x t n 1 1
n 1 n 1
(Sin reposicin)
(1 ) N n
p .
n N1
(Con reposicin)
(1 )
p
n
6 de 10
p (1 p ) p (1 p )
p z1 / 2 . ; p z1 / 2 .
n n
p (1 p) N n p (1 p ) N n
p z1 / 2 . . ; p z1 / 2 . .
n N1 n N1
2 2
1 2 1 n.S 2 n.S
P 2 2 2 P 2 2 1
1 ;n 1 n.S
;n 1
2 2 1 2 ;n 1 2
;n 1
Observacin: el intervalo de confianza del desvo poblacional es:
n.S 2 n.S 2
P 2 2 1
1 ;n 1
;n 1
2 2
9. PRUEBA DE HIPTESIS
Conceptos bsicos de las pruebas de hiptesis
En el procedimiento denominado prueba de hiptesis trataremos de determinar cundo
es razonable concluir, a partir del anlisis de una muestra aleatoria, que la poblacin
entera posee determinada propiedad, y cundo no es razonable llegar a tal conclusin.
Tales decisiones se denominan decisiones estadsticas.
Las desviaciones "grandes" se conocen como desviaciones significantes, ya que el hecho
de que stas ocurran significa que se necesita alguna otra razn que explique los
resultados del muestreo.
Una hiptesis estadstica es una afirmacin o conjetura acerca de una o ms poblaciones.
Pueden definirse como explicaciones tentativas del fenmeno investigado, formuladas a
manera de proposiciones.
La prueba de hiptesis estadstica es el proceso que permite tomar una decisin con
respecto a una hiptesis.
Para que una hiptesis sea digna de tomarse en cuenta para la investigacin cientfica deben
existir tcnicas adecuadas para probarla. Al formular una hiptesis, tenemos que analizar si
existen tcnicas o herramientas de la investigacin (instrumentos para recolectar datos,
diseos, anlisis estadsticos o cualitativos, etc.) para poder verificarla, si es posible
desarrollarlas y si se encuentran a nuestro alcance.
Las dos hiptesis presentes en un proceso de toma de decisin se denominan hiptesis
nula e hiptesis alternativa. Cuando estamos probando hiptesis acerca del valor de un
parmetro, la hiptesis nula, por lo general, es una afirmacin sobre un valor especfico del
parmetro. sta se denomina as porque es el "punto inicial" de la investigacin (en su
interpretacin se suele decir "no hay diferencia con el valor supuesto del parmetro 0",
de ah el nombre de hiptesis nula).
Se simboliza con H0, La hiptesis alternativa es una afirmacin que especifica que el
parmetro de la poblacin tiene un valor diferente al proporcionado en la hiptesis
nula. Se simboliza con H1.
Al tomar una decisin sobre una hiptesis, se pueden cometer dos tipos de errores:
Error tipo I: Es aquel que se comete cuando se rechaza una hiptesis que debera
ser aceptada. La probabilidad de cometerlo se designa con = P(E I) = P(Rechazar
H0/H0 es Verdadero).
Error tipo II: Es aquel que se comete cuando se acepta una hiptesis que debera
ser rechazada. La probabilidad de cometerlo se designa con = P(E II) = P(Aceptar H0 /
H0 es Falsa).
Tengamos presente que, cuando se realizan tests de prueba estadsticos, estamos
sacando conclusiones sobre una poblacin basndonos en informacin extrada a
partir de una muestra.
Al error tipo I actualmente se lo llama falso positivo; ocurre cuando no existe realmente
diferencia en el valor del estadstico que plantea la H 0.
El error tipo II o falso negativo se comete cuando efectivamente hay diferencia en la
poblacin, pero el test estadstico de muestra no da significativo, llevando a una
conclusin falsa de no efecto o no relacin. Para explicarlo brevemente, un verdadero
efecto permanece sin ser descubierto.
Error tipo I y II
En el grfico anterior se observa claramente que, a medida que uno crece, el otro
decrece. En la prctica se procede de la manera siguiente: primero se escoge , luego
determinamos c y por ltimo calculamos . Si b resulta tan grande como para que la
potencia = 1 - sea pequea, se debe repetir la prueba escogiendo un mayor.
Recordemos que: y
E ( p ) (1 )
p
n
La estadstica de la prueba es
p 0
z N (0,1)
p
Planteamos los tres casos como hicimos con la media poblacional. Y utilizamos las
frmulas del apndice.