ESTIMACIÓN DE PARÁMETROS

La estimación de parámetros es el procedimiento utilizado para conocer las características de un

parámetro poblacional, a partir del conocimiento de la muestra.

A el procedimiento usado para obtener los parámetros de la población total se le llama Estimación
de Parámetros. En este procedimiento se requiere determinar la cercanía de la estimación con la
realidad. Para esto se utilizan los Intervalos de Confianza.

Con una muestra aleatoria, de tamaño n, podemos efectuar una estimación de un valor de un
parámetro de la población; pero también necesitamos precisar un:

Intervalo de confianza

Se llama así a un intervalo en el que sabemos que está un parámetro, con un nivel de confianza
específico.

Nivel de confianza

Probabilidad de que el parámetro a estimar se encuentre en el intervalo de confianza.

Error de estimación admisible

Que estará relacionado con el radio del intervalo de confianza.

El objetivo de la estimación de parámetros es proveer de métodos que permitan determinar con cierta
precisión, el vector de parámetros desconocidos ϑ, de un modelo estadístico f(x ; ϑ) a partir de una
muestra aleatoria de una población bajo estudio.

1. Método de estimación Puntual: Se busca un estimador ϑ que, con base en los datos
muestrales, dé origen a una estimación univaluada del valor del parámetro.
 2. Método de estimación por Intervalos: Se determina un intervalo aleatorio I(ϑ), donde con
cierta probabilidad, se encuentra el valor del parámetro ϑ.

ESTIMACIÓN PUNTUAL

La idea detrás de la estimación puntual es bastante simple. Cuando muestreamos desde una población
descrita por su función de densidad o cuantía f (x |θ) conocer θ significa conocer la población entera.

Por lo tanto, es natural contar con métodos para encontrar buenos estimadores del parámetro θ.

ESTIMACIÓN POR INTERVALOS

En la práctica, interesa no sólo dar una estimación de un parámetro, sino que, además, un intervalo

que permita precisar la incertidumbre existente en la estimación.

Muestra Aleatoria: Las variables aleatorias (X1, X2…Xn) son una muestra aleatoria de tamaño n si:

• Los Xi son variables aleatorias independientes.

• Cada Xi tiene la misma distribución de probabilidad.

Estadístico: Es cualquier función de las observaciones de una muestra aleatoria, por ejemplo, la media
muestral, varianza muestral, desviación estándar muestral. Un estadístico es una variable aleatoria,
tiene una distribución de probabilidad llamada Distribución de muestreo.

Utilidad

• Se usan para obtener estimaciones puntuales de parámetros como: media poblacional y

varianza poblacional.
• El parámetro de interés se representa por Ɵ.
• El valor numérico de un estadístico muestral se usa como la estimación puntual.

Definición

• Sea X una v.a con distribución de probabilidad f(x).

• Sea que f(x) esta caracterizada por un parámetro desconocido Ɵ.
• Sea X1,X2,…….Xn una muestra aleatoria de tamaño n.
• Al estadístico ʘ = h(X1,X2,…….Xn ) se le llama un estimador puntual de Ɵ.
• ʘ es una v.a, ya que es funcion de v. a.s.
• Al seleccionar la muestra, ʘ toma un valor numerico particular llamado estimacion puntual de
Ɵ.

EJEMPLO

Suponga una v.a. que tiene una distribución normal con una media desconocida µ (media poblacional).

La media poblacional µ es un estimador puntual de la media poblacional desconocida. Es decir, µ = X.

Si X1 = 25; X2 = 30; X3 = 29; X4 = 31

25+30+29+31
µ̅ = 𝑥̅ = = 28.75
4
PARÁMETROS COMUNES DE ESTIMACIÓN

OBJETIVO DE UNA ESTIMACIÓN PUNTUAL

• Seleccionar con base en los datos muestrales, un solo número que sea el valor más
recomendable de Ɵ. Puede haber varias opciones diferentes de estimadores de un parámetro.

EJEMPLO:

Parámetro a estimar: Media de una población.

Posibles estimadores puntuales: media muestral. Mediana muestral, promedio de las observaciones
menor y mayor de la muestra.

Suponga que se toma una muestra aleatoria de tamaño de n=10 de una población normal y se obtiene
los datos de la tabla. Los posibles estimadores son:

∑𝑖
• Media muestral 𝑥
̅= = 11.04
n

10.3−11.6
• Mediana muestral. 𝑥̅ = 2
= 10.95
Estimador Insesgado

• El estimador puntual ʘ ̂ es un estimador insesgado del parámetro Ɵ si E (ʘ̂ ) = Ɵ.

• ̂ ) − Ɵ.
Si el estimador no es insesgado, entonces, a la diferencia si E (ʘ
• Se le llama sesgo del estimador (ʘ̂ ).

Varianza de un estimador puntual

• Los dos estimadores son insesgados (tienen su centro en el valor real del parámetro
estimado).
• El estimador que tenga menor varianza tendrá mayores posibilidades de estar cerca del valor
estimado.

ERROR ESTANDAR

• Da una idea de la precisión de la estimación.

• ̂ es su desviación estándar, dada por
El error estándar de un estimador ʘ
• Si el error estándar incluye parámetros desconocidos que puedan estimarse, entonces la
sustitución de dichos valores en produce un error estándar estimado, denotado por

DISTRIBUCION NORMAL

• Suponga que se hace un muestreo de una distribución normal con media µ y varianza σ2.
Entonces la distribución de 𝑋̅ es normal con media µ y varianza σ2/n, por lo que el error
estándar de 𝑋̅ es:
INTERVALOS DE CONFIANZA

• Cuando se estima un parámetro, es necesario determinar que tan cerca esta la estimación
puntual del valor real.
• Una forma de determinar la precisión de la estimación es con el error estándar.
• Otra forma de estimar la precisión es con los intervalos de confianza.
• Se puede determinar que el valor desconocido Ɵ esta en un intervalo l ≤ Ɵ ≤ µ
• Los valores de los limites dependen del valor numérico del estadístico para una muestra
particular.
• Diferentes muestras producen diferentes valores del estadístico y de los límites del intervalo.