UNIDAD 4: DISEÑO DE LA CALIDAD DE LA SIMULACIÓN

ESTIMADORES, MUESTRAS Y CARACTERÍSTICAS DEL ESTIMADOR LIDER

CONCEPTOS

En la estadística tiene un papel destacado la noción de MUESTRA ALEATORIA.

Una muestra aleatoria de tamaño n es:

• Una colección de n variables aleatorias

• Todas con la misma distribución
• Todas independientes

Esta definición idealiza la operación de repetir n veces la observación de la misma variable aleatoria,
siendo las repeticiones independientes una de otra.

La colección de donde extraemos la muestra aleatoria, se denomina POBLACIÓN. Nuestra intención

al tomar una muestra, es la de hacer INFERENCIA. Este término lo usamos en estadística para
denotar al procedimiento con el que hacemos afirmaciones acerca de valores generales de la
población mediante los números que observamos en la muestra.

Ejemplo

Suponga que observamos el proceso de fabricación de las ``bolitas'' que se le ponen al envase de
los desodorantes ``roll on''. No todas las bolitas van a tener el mismo diámetro, si escogemos, al
azar una bolita, tendremos un valor para el diámetro que es una variable aleatoria. Podemos
suponer que los diámetros tienen la distribución normal, debido a nuestra experiencia con el
proceso, conocemos que la desviación estándar de la población es de 4 mm (aproximadamente).
Pero, también por experiencia, sabemos que el diámetro promedio puede variar por desajuste de
la maquinaria productora. De modo que tenemos:

• Una POBLACIÓN, que son todas las bolitas que se producen

• Un PARÁMETRO de la población conocido (o casi) que es la desviación estándar
• Otro PARÁMETRO cuyo valor es desconocido: la media

Para tratar de conocer el valor del parámetro que desconocemos, tomamos una MUESTRA de las
bolitas. Supongamos que son 100 bolitas en la muestra. Con un instrumento de precisión, y con
mucho cuidado, medimos los diámetros de las 100 bolitas de la muestra y calculamos su promedio.

SIMULACIÓN
 UNIDAD 4: DISEÑO DE LA CALIDAD DE LA SIMULACIÓN

¿Qué nos dice el valor de la media de la muestra respecto a la media de la población?

• Por un lado, definitivamente la media de la muestra NO va a ser igual a la de la población

• Por otra parte, no tenemos mejor información respecto a la media de la población que la
que extraigamos de la muestra
• Por último, sería muy extraño que si la población de bolitas tiene, por decir algo, un
diámetro promedio de 45 mm, nos tocaran 100 bolitas en la muestra con un promedio de,
digamos, 32 mm.
• Además, si alguien nos preguntara ¿cómo cuánto es el diámetro promedio de la población
de bolitas? Le contestaríamos diciendo el valor que hayamos visto en la muestra.
• A nuestra contestación debíamos agregarle alguna advertencia como: "más o menos'', o
``aproximadamente''.

A un valor calculado con los datos de una muestra lo llamamos ESTADÍSTICA. Cuando usamos una
estadística para jugar el papel de decir, aproximadamente, el valor de un parámetro de la población,
le llamamos ESTIMADOR. Cuando andamos un poco pedantes le llamamos ESTIMADOR PUNTUAL
(al decir ``puntual'' queremos decir que para estimar el parámetro estamos usando un valor único).

Regresando a las bolitas del ``Roll on''. Si la muestra de 100 bolitas arroja un valor del promedio de
43.5 mm, diríamos que ESTIMAMOS el promedio de la población en 43.5 mm.

ESTIMADORES Y PARÁMETROS.

En una población cuya distribución es conocida pero desconocemos algún parámetro, podemos
estimar dicho parámetro a partir de una muestra representativa.

Un estimador es un valor que puede calcularse a partir de los datos muéstrales y que proporciona
información sobre el valor del parámetro. Por ejemplo la media muestral es un estimador de la
media poblacional, la proporción observada en la muestra es un estimador de la proporción en la
población.

Una estimación es puntual cuando se obtiene un sólo valor para el parámetro. Los estimadores más
probables en este caso son los estadísticos obtenidos en la muestra, aunque es necesario cuantificar
el riesgo que se asume al considerarlos. Recordemos que la distribución muestral indica la
distribución de los valores que tomará el estimador al seleccionar distintas muestras de la población.

SIMULACIÓN
 UNIDAD 4: DISEÑO DE LA CALIDAD DE LA SIMULACIÓN

Las dos medidas fundamentales de esta distribución son la media que indica el valor promedio del
estimador y la desviación típica, también denominada error típico de estimación, que indica la
desviación promedio que podemos esperar entre el estimador y el valor del parámetro.

Más útil es la estimación por intervalos en la que calculamos dos valores entre los que se encontrará
el parámetro, con un nivel de confianza fijado de antemano.

Llamamos Intervalo de confianza al intervalo que con un cierto nivel de confianza, contiene al
parámetro que se está estimando.

Nivel de confianza es la "probabilidad" de que el intervalo calculado contenga al verdadero valor del
parámetro. Se indica por 1-a y habitualmente se da en porcentaje (1-a) 100%. Hablamos de nivel
de confianza y no de probabilidad ya que una vez extraída la muestra, el intervalo de confianza
contendrá al verdadero valor del parámetro o no, lo que sabemos es que si repitiésemos el proceso
con muchas muestras podríamos afirmar que el (1-a) % de los intervalos así construidos contendría
al verdadero valor del parámetro.

Los dos problemas fundamentales que estudia la inferencia estadística son el "Problema de la
estimación" y el "Problema del contraste de hipótesis". Cuando se conoce la forma funcional de la
función de distribución que sigue la variable aleatoria objeto de estudio y sólo tenemos que estimar
los parámetros que la determinan, estamos en un problema de inferencia estadística paramétrica;
por el contrario, cuando no se conoce la forma funcional de la distribución que sigue la variable
aleatoria objeto de estudio, estamos ante un problema de inferencia estadística no paramétrica.
Nosotros nos vamos a limitar a problemas de inferencia estadística paramétrica, donde la variable
aleatoria objeto de estudio sigue una distribución normal, y sólo se estimarán los parámetros que
la determinan, la media y la desviación típica.

Estadístico

Son los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimación de los
parámetros.

Parámetro

Se llama parámetros poblacionales a cantidades que se obtienen a partir de las observaciones de la

variable y sus probabilidades y que determinan perfectamente la distribución de esta, así como las
características de la población, por ejemplo: La media, μ, la varianza σ

SIMULACIÓN
 UNIDAD 4: DISEÑO DE LA CALIDAD DE LA SIMULACIÓN

Los Parámetros poblacionales son números reales, constantes y únicos

: Son las medidas o datos que se obtienen de la población, es decir, simplemente es el valor
poblacional de las características de una población. 2, la proporción de determinados sucesos, P.

Parámetros muéstrales

Los Parámetros muéstrales son resúmenes de la información de la muestra que nos "determinan"
la estructura de la muestra. Los Parámetros muéstrales no son constantes sino variables aleatorias
pues sus valores dependen de la estructura de la muestra que no es siempre la misma como
consecuencia del muestreo aleatorio. A estas variables se les suele llamar estadísticos.

Los estadísticos se transforman en dos tipos: estadísticos de centralidad y estadísticos de dispersión.

ACTIVIDAD 1

En base a la información proporcionada, selecciona al menos 3 de las VARIABLES PRINCIPALES DEL

PROCESO, definidas en el ANTEPROYECTO DE SIMULACIÓN, de la última actividad de la unidad 3, y
complementa las siguientes tablas para cada una de ellas.

VARIABLE TIPO (2)

(1) Continua Discreta
POBLACIÓN
(3)

INSTRUMENTO DE MEDICIÓN UNIDADES DE MEDIDA

(4) (5)

MUESTRA (6)

ESTIMADORES
MEDIA (7)

SIMULACIÓN
 UNIDAD 4: DISEÑO DE LA CALIDAD DE LA SIMULACIÓN

VARIANZA (8)

INDICACIONES DE LLENADO:

1. Proporciona el nombre de la variable a estudiar

2. Selecciona el tipo de variable del que se trata: continua o discreta
3. Describe cual es la población de la cual se tomaran las muestras de la variable
4. Menciona el instrumento de medición utilizado en la recolección de las muestras
5. Establece la unidad de medida de la variable: segundos, centímetros, escalas, etc.
6. Recolecta una muestra de la variable en estudio de al menos 30 datos y llena la tabla
7. Calcula el promedio de los datos recolectados en el punto 6
8. Calcula la varianza de los datos recolectados en el punto 6, recuerda que es una VARIANZA
MUESTRAL ( función VAR.S en Excel)

Nota: en caso de tratarse de una variable discreta establece una tabla de frecuencias o
proporciones como estimadores.

SIMULACIÓN