Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCION
En este tema se analizan las formas adecuadas para el establecimiento del conocimiento
numérico o abstracto de un parámetro de una población, y que evidentemente nos es
desconocido, partiendo, claro está, de la información suministrada por la muestra.
LA ESTIMACION, como proceso, consiste en que dada una población que siga una
distribución de cierto tipo con función de probabilidad (de cuantía o de densidad) f(X,
) dependiente de un parámetro o varios desconocido(s) " ", aventurar en base a los datos
muestrales el valor que toma o puede tomar el parámetro o parámetros.
UN ESTIMADOR (x) es una función de una muestra genérica x= [x 1, x2, , ..., x n ], es
decir, un estadístico que utilizaremos para estimar el valor del parámetro . Por tanto, es una
variable aleatoria y será necesario para la estimación conocer la distribución muestral del
estimador.
(Cuando no haya lugar para la confusión designaremos al estimador, a veces, como en
LA TEORIA DE LA ESTIMACION
que: si utilizamos como estimador de la varianza muestral es decir :
No obstante, y dado que, cuando el tamaño de la muestra tiende a infinito el sesgo tiende a
cero, se dice que el estimador es asintóticamente insesgado o asintóticamente centrado:
ECM( ) =
depende del parámetro a estimar . En términos más simples: cuando se aprovecha toda
la información muestral. (ir a teorema de caracterización Neyman-Fisher)
MÉTODOS DE ESTIMACIÓN
Evidentemente, la máxima verosimilitud, será aquel estimador o estimación que nos arroja
mayor credibilidad. En situación formal tendríamos:
obtenga una muestra dependiendo del (o de los) parámetro(s) " " pero considerada
como función de . Si la distribución de la población es tal que su densidad depende
de uno o más parámetros , la probabilidad (densidad) de cada realización
Si el muestreo es simple:
INTERVALOS DE CONFIANZA
Se llama intervalo de confianza a un par o varios pares de números entre los cuales se
estima que estará cierto valor desconocido con un determinado nivel de confianza.
Formalmente, estos números determinan un intervalo, que se calcula a partir de datos de
una muestra, y el valor desconocido es un parámetro poblacional. El nivel de confianza
representa el porcentaje de intervalos que tomados de 100 muestras independientes distintas
contienen en realidad el valor desconocido. En estas circunstancias, α es el llamado error
aleatorio o nivel de significación, esto es, el número de intervalos sobre 100 que no
contienen el valor1
El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un
intervalo más amplio tendrá más probabilidad de acierto (mayor nivel de confianza),
mientras que, para un intervalo más pequeño, que ofrece una estimación más precisa,
aumenta su probabilidad de error.
Para la construcción de un determinado intervalo de confianza es necesario conocer
la distribución teórica que sigue el parámetro a estimar, θ.2 Es habitual que el parámetro
presente una distribución normal. También pueden construirse intervalos de confianza con
la desigualdad de Chebyshev.
En definitiva, un intervalo de confianza al 1 - α por ciento para la estimación de un
parámetro poblacional θ que sigue una determinada distribución de probabilidad, es una
expresión del tipo [θ1, θ2] tal que P[θ1 ≤ θ ≤ θ2] = 1 - α, donde P es la función de
distribución de probabilidad de θ.
El intervalo de confianza se determina calculando una estimación de punto y luego
determinando su margen de error.
Estimación de punto
Este valor individual estima un parámetro de población usando los datos de la
muestra.
Margen de error
Cuando usted utiliza estadísticos para estimar un valor, es importante recordar que,
sin importar lo bien que esté diseñado su estudio, su estimación está sujeta a error
de muestreo aleatorio. El margen de error cuantifica este error e indica la precisión
de la estimación.
TEORÍA DE DECISIÓN
Estudio formal sobre la toma de decisiones. Los estudios de casos reales, que se sirven de la
inspección y los experimentos, se denominan teoría descriptiva de decisión; los estudios de
la toma de decisiones racionales, que utilizan la lógica y la estadística, se llaman teoría
preceptiva de decisión. Estos estudios se hacen más complicados cuando hay más de un
individuo, cuando los resultados de diversas opciones no se conocen con exactitud y
cuando las probabilidades de los distintos resultados son desconocidas. La teoría de
decisión comparte características con la teoría de juegos, aunque en la teoría de decisión el
‘adversario’ es la realidad en vez de otro jugador o jugadores.
Al hacer un análisis sobre esta teoría, y mirándola desde el punto de vista de un sistema, se
puede decir que, al tomar una decisión sobre un problema en particular, se debe tener en
cuenta los puntos de dificultad que lo componen, para así empezar a estudiarlos uno a uno
hasta obtener una solución que sea acorde a lo que se está esperando obtener de este, y si
no, buscar otras soluciones que se acomoden a lo deseado.
La teoría de decisión, no solamente se puede ver desde el punto de vista de un sistema, sino
en general, porque esta se utiliza a menudo para tomar decisiones de la vida cotidiana, ya
que muchas personas piensan que la vida es como una de las teorías; La teoría del juego,
que para poder empezarlo y entenderlo hay que saber jugarlo y para eso se deben conocer
las reglas de este, para que no surjan equivocaciones al empezar la partida.
PRUEBAS DE HIPOTESIS
Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el
parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar basada en
alguna creencia o experiencia pasada que será contrastada con la evidencia que nosotros
obtengamos a través de la información contenida en la muestra. Esto es a lo que llamamos
Prueba de Hipótesis.
Hipótesis Nula; Denotada como H0 siempre especifica un solo valor del parámetro
de la población si la hipótesis es simple o un conjunto de valores si es compuesta (es
lo que queremos desacreditar).
Hipótesis Alternativa; Denotada como H1 es la que responde nuestra pregunta, la
que se establece en base a la evidencia que tenemos.
Estadística de Prueba; Es una estadística que se deriva del estimador puntual del
parámetro que estemos probando y en ella basamos nuestra decisión acerca de si
rechazar o no rechazar la Hipótesis Nula.
Región de Rechazo; Es el conjunto de valores tales que, si la prueba estadística cae
dentro de este rango, decidimos rechazar la Hipótesis Nula.
REFERENCIAS
Zar, Jerrold H.- Biostatistical Analysis.- 4rd ed.- Prentice Hall, Inc