Está en la página 1de 5

RESUMEN ESTIMACION PUNTUAL Y ESTIMACION POR INTERVALO

DANIELA GONZALIAS ORTIZ

LUIS FELIPE RAMIREZ

ESTADISTICA

ADMINISTRACION EN SALUD
S2495

INSTITUCION UNIVERSITARIA ANTONIO


JOSE CAMACHO
ESTIMACION PUNTUAL

El objetivo de la estimación puntual es aproximar el valor del parámetro


desconocido (tiempo medio de ejecución de un algoritmo, altura media de las
mujeres de una población, diferencia del resultado medio entre dos tratamientos
médicos, proporción de gente que mejora con un tratamiento médico…)

Para ello se utiliza la información de la muestra (x1, x2…,xn)(x1,x2,…,xn), a


través de un estimador.

Los estimadores frecuentes son:

 Media muestral, para estimar la media teórica de una variable X.

¯x=x1+⋯+xn

 Proporción muestral, para estimar una proporción p:

ˆp=x1+⋯+xn, siendo x1…, xn, una muestra aleatoria


n

simple de la variable X∈B (1, p), es decir, son unos o ceros.

 Varianza muestral, para estimar la varianza teórica de una población, se


puede usar la varianza de una muestra:

S2=(x1−¯x)2+⋯+(xn−¯x)2
n-1

N-1

La evaluación del estimador sobre la muestra fija da lugar a una estimación


puntual:

Cálculo de la media muestral tomando la muestra fija (x1, x2,x3)=(2,7,1)


EJEMPLO: X= 2+7+1 = 10
3 3
¿Cómo se calcula?

Una estimación puntual de un parámetro poblacional es cuando se utiliza un único


valor para estimar ese parámetro, es decir, se usa un punto en concreto de la
muestra para estimar el valor deseado.

Cuando estimamos un parámetro de forma puntual, podemos saber con certeza,


cual es ese valor. Imaginemos una población de 30 personas de las que
seleccionamos una muestra de 20 para las que conocemos sus edades. Estimar
de forma puntual la media de edad, sería tan sencillo como sumar esos 20 datos y
dividirlos entre el total de la muestra estadística.

Propiedades deseables de un estimador

Las propiedades deseables de un estimador son las siguientes:

 Insesgadez: Un estimador es insesgado cuando la esperanza matemática


del este es igual al parámetro que se desea estimar. Por tanto, la diferencia
entre el parámetro a estimar y la esperanza de nuestro estimador tendría
que ser 0.

 Eficiente: Un estimador es más eficiente o tiene la capacidad de estimar de


forma precisa cuando su varianza es reducida. Por lo tanto, ante 2
estimadores, siempre elegiremos el que tenga una varianza menor.

 Consistencia: Un estimador consistente es aquel que a medida que la


medida que la muestra crece se aproxima cada vez más al valor real del
parámetro. Por lo tanto, cuantos más y valores entran en la muestra, el
parámetro estimado será más preciso
ESTIMACION POR INTERVALOS

La estimación por intervalos consiste en establecer el intervalo de valores donde


es más probable se encuentre el parámetro. La obtención del intervalo se basa en
las siguientes consideraciones:

a) Si conocemos la distribución muestral del estimador podemos obtener las


probabilidades de ocurrencia de los estadísticos muestrales.

b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la


probabilidad de que el estimador se halle dentro de los intervalos de la distribución
muestral.

c) El problema es que el parámetro poblacional es desconocido, y por ello el


intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran
número de veces y definimos un intervalo alrededor de cada valor del estadístico
muestral, el parámetro se sitúa dentro de cada intervalo en un porcentaje conocido
de ocasiones. Este intervalo es denominado "intervalo de confianza".

 para la media:
población normal y varianza poblacional conocida La longitud del intervalo de
confianza depende de:
1. El número de observaciones de la muestra lo disminuye.
2. La varianza lo incrementa.
3. La confianza del intervalo lo incrementa.

 para proporciones:
Z=Px-P
P (1 – P) /n

 Para la varianza:
X2= (n-1) s2 x
n-1
o2
La estimación por intervalos tiene varias ventajas; una es que no ofrece un valor
único, sino un rango donde es muy posible o probable que el parámetro
poblacional se encuentre incluido. De esta manera se supera la limitación de los
estimadores puntuales de que su resultado único varía de muestra en muestra; es
decir, con la estimación por intervalos tenemos más probabilidad de acertar al
verdadero valor poblacional.
La principal ventaja de la estimación por intervalos es que su resultado ofrece un
nivel de confianza que permite conocer en cuánto le podemos creer o tenerle
confianza al resultado obtenido de la estimación. Por esta razón, la estimación por
intervalos también es conocida como estimación por intervalos de confianza, pues
su nivel de confianza señala qué tan posible o qué tan probable es que el
parámetro poblacional se encuentre incluido dentro del rango definido.