Contenido

Estimación estadística............................................................................................................. 2

Tipos de estimación ................................................................................................................ 2

Estimación puntual ................................................................................................................. 2

Propiedades ............................................................................................................................. 2

Estimación por intervalos ....................................................................................................... 3

Distribución muestral de la media .......................................................................................... 3

Intervalo de confianza ............................................................................................................ 4

Distribución de la proporción ................................................................................................. 5

intervalo de confianza de una proporción............................................................................... 5

Distribución de la varianza muestral ...................................................................................... 7

intervalo de confianza ............................................................................................................. 8

Distribución muestral de la diferencias de dos medias........................................................... 8

Estimación estadística

Cuando queremos realizar un estudio de una población cualquiera de la que desconocemos

sus parámetros, por ejemplo su media poblacional o la probabilidad de éxito si la población

sigue una distribución binomial, debemos tomar una muestra aleatoria de dicha población a

través de la cual calcular una aproximación a dichos parámetros que desconocemos y

queremos estimar. Bien, pues esa aproximación se llama estimación. (1)

Tipos de estimación

Estimación puntual

Una estimación puntual del valor de un parámetro poblacional desconocido (como puede

ser la media µ , o la desviación estándar σ ), es un número que se utiliza para aproximar el

verdadero valor de dicho parámetro poblacional. A fin de realizar tal estimación,

tomaremos una muestra de la población y calcularemos el parámetro muestral asociado ( x

para la media, s para la desviación estándar, etc.). El valor de este parámetro muestral será

la estimación puntual del parámetro poblacional. (1)

Propiedades

Insesgado: Un estimador es insesgado cuando la media de su distribución muestral

asociada coincide con la media de la población. Esto ocurre, por ejemplo, con el estimador

x, ya que µx = µ y con estimador p´ ya que µp′ =µ

varianza mínima: La variabilidad de un estimador viene determinada por el cuadrado de

su desviación estándar. En el caso del estimador x, su desviación estándar es σx = σ/√𝑛 ,

también llamada error estándar de µ. (1)

Estimación por intervalos

Consiste en la obtención de un intervalo dentro del cual estará el valor del parámetro

estimado con una cierta probabilidad. En la estimación por intervalos se usan los siguientes

conceptos.

Intervalo de confianza: es una expresión del tipo [θ1, θ2] ó θ1 ≤ θ ≤ θ2, donde θ es el

parámetro a estimar. Este intervalo contiene al parámetro estimado con un determinado

nivel de confianza. Pero a veces puede cambiar este intervalo cuando la muestra no

garantiza un axioma o un equivalente circunstancial (2)

Distribución muestral de la media

Si tenemos una muestra aleatoria de una población N(m,s ), se sabe (Teorema del límite central)

que la fdp de la media muestral es también normal con media  y varianza 2/n. Esto es exacto

para poblaciones normales y aproximado (buena aproximación con n>30) para poblaciones

cualesquiera. Es decir es el error típico, o error estándar de la media.

No hay tablas para cualquier normal, sólo para la normal =0 y =1 (la llamada z);

pero haciendo

la transformación (llamada tipificación)

una normal de media  y desviación  se transforma en una z.

 Llamando zα al valor de una variable normal

tipificada que deja a su derecha un área bajo

la curva de , es decir, que la probabilidad

que la variable sea mayor que ese valor es 

(estos son los valores que ofrece la tabla de la

normal)

Intervalo de confianza

podremos construir intervalos de la forma

para los que la probabilidad es 1 - .

Teniendo en cuenta la simetría de la normal y manipulando algebraicamente

que también se puede escribir

 (3)

Distribución de la proporción

En numerosas ocasiones se plantea estimar una proporción o porcentaje. En estos casos la variable

aleatoria toma solamente dos valores diferentes (éxito o fracaso), es decir sigue una distribución

binomial y cuando la extensión de la población es grande la distribución binomial B(n,p) se

aproxima a la normal .

Para muestras de tamaño n>30, la distribución muestral de proporciones sigue una distribución

normal

donde p es la proporción de uno de los valores que presenta la variable estadística en la población

y q=1-p. (4)

intervalo de confianza de una proporción

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la construcción de un

intervalo de confianza para el parámetro p, basada en una observación de la variable que ha dado

como valor x. El mismo caso se aplica si estudiamos una Binomial B(1, p) y consideramos el número
de veces que ocurre el suceso que define la variable al repetir el experimento n veces en condiciones

de independencia.

Existen dos alternativas a la hora de construir un intervalo de confianza para p:

Considerar la aproximación asintótica de la distribución Binomial en la distribución Normal.

Utilizar un método exacto.

Aproximación asintótica

Tiene la ventaja de la simplicidad en la expresión y en los cálculos, y es la más referenciada en la

mayoría de textos de estadística. Se basa en la aproximación

que, trasladada a la frecuencia relativa, resulta

Tomando como estadístico pivote

que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al

pasar de una variable discreta a una continua, se obtiene el intervalo de confianza asintótico:
donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una

probabilidad de αpara un intervalo de confianza de (1 − α) · 100 %Las condiciones

generalmente aceptadas para considerar válida la aproximación asintótica anterior son:

(5)

Distribución de la varianza muestral

La comprensión del concepto de la distribución de la varianza muestral es fundamental para el correcto

entendimiento de la inferencia estadística. Una distribución de la población es la distribución de

la totalidad de las medias individuales de una población en tanto que una distribución muestral es la

distribución de los valores individuales incluidos en una muestra. Si se extraen todas las muestras posibles

de una población normal y cada muestra se le calcula su varianza, se obtendrá la distribución muestral

de las varianzas
propiedades

se usa la distribución chi cuadrada

se toma en cuenta los grados de libertad

la distribución es asimétrica con pendiente positiva

intervalo de confianza

la fórmula para el intervalo de confianza, con nivel de confianza 1 − α es la siguiente

Donde χ2α/2 es el valor de una distribución ji-cuadrado con n − 1 grados de libertad que deja a su

derecha una probabilidad de α/2 (6)

Distribución muestral de la diferencia de dos medias

Suponga que se tienen dos poblaciones distintas, la primera con media 1 y desviación estándar

1, y la segunda con media 2 y desviación estándar 2. Más aún, se elige una muestra aleatoria

de tamaño n1 de la primera población y una muestra independiente aleatoria de tamaño n2 de la segunda

población; se calcula la media muestral para cada muestra y la diferencia entre dichas medias.
La colección de todas esas diferencias se llama distribución muestral de las diferencias entre medias

o la distribución muestral del estadístico

La distribución es aproximadamente normal para n1 30 y n2 30. Si las poblaciones son normales,

entonces la distribución muestral de medias es normal sin importar los tamaños de las muestras.

En ejercicios anteriores se había demostrado que y que , por lo que no es difícil

deducir que y que .

La fórmula que se utilizará para el calculo de probabilidad del estadístico de diferencia de medias es:

Distribución Muestral de Diferencia de Proporciones

Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos proporciones muestrales, la d

muestral de diferencia de proporciones es aproximadamente normal para tamaños de muestra grande (n1p1 5

5,n2p2 5 y n2q2 5). Entonces p1 y p2 tienen distribuciones muestrales aproximadamente normales, así que su

p1-p2 también tiene una distribución muestral aproximadamente normal.

Cuando se estudió a la distribución muestral de proporciones se comprobó que y que , por l

es difícil deducir que y que .

La fórmula que se utilizará para el calculo de probabilidad del estadístico de diferencia de proporciones es:

(7)

Razón de dos varianzas

Supondremos la existencia de dos poblaciones sobre las que una determinada variable sigue una distribución N

Sobre la población 1 la variable sigue una distribución N(µ1, σ1) y sobre la población 2 sigue una distribución

σ2). Igualmente supondremos que disponemos de dos muestras aleatorias independientes, una para cada pobla

tamaños muestrales n1 y n2respectivamente.

El objetivo es construir un intervalo de confianza, con nivel de confianza (1 − α) · 100 %, para el cociente de

El estadístico pivote utilizado es

que sigue una distribución F de Fisher con n1 − 1 y n2 − 1 grados de libertad.

El intervalo de confianza que resulta es

donde Fα/2 es el valor de una distribución F de Fisher-Snedecor con n1 − 1 y n2 − 1 grados de libertad que deja

derecha una probabilidad de α/2.